Python处理JSON：json_normalize轻松展平嵌套数据

本文深入解析了 pandas 中 `json_normalize` 函数在处理嵌套 JSON 数据时的核心优势与实战要点：它远比手写递归更可靠，因其内置健壮的边界处理能力（如自动跳过 None、兼容空列表和混合类型字段），并聚焦于真实业务场景所需的“结构化提取”——通过精准指定 `record_path`（支持字段名或嵌套路径列表，不支持点号语法）定位记录列表，配合 `meta` 参数提取上下文信息（支持多层路径、自动填充 NaN、建议用 `meta_prefix` 避免重名覆盖），同时提醒关键细节：顶层为 list 时可直接传入、`sep="_"` 推荐替代默认点号以防 Pandas 方法冲突，以及明确区分 `json_normalize`（处理结构层级）与 `explode()`（展开值内列表）的职责边界——掌握这些，才能高效、稳定地将复杂嵌套 JSON 转为分析就绪的扁平化 DataFrame。

json_normalize 为什么比手写递归更可靠

因为嵌套结构千变万化，手写 flatten 容易漏掉 None、空列表、混合类型字段（比如某次是 dict，下次变成 list），而 json_normalize 内部已处理这些边界情况。它不是“展平所有键”，而是按你指定的 record_path 和 meta 路径做结构化提取——这恰恰是多数真实场景需要的：从嵌套中精准捞出记录行 + 携带上下文字段。

record_path 不是路径字符串，而是字段名或路径列表

record_path 必须指向一个可迭代对象（通常是 list），否则会报 TypeError: record_path is not a list or string。常见错误是直接传 "data.items" 这种点号路径——json_normalize 不支持点号语法，只认字面字段名或嵌套路径列表。

• ✅ 正确：record_path=["data", "items"]（表示先取 data 字段，再取其下的 items 列表）
• ✅ 正确：record_path="items"（如果顶层就是 items 列表）
• ❌ 错误：record_path="data.items" 或 record_path="data/items"
• ⚠️ 注意：如果 data 是 None，该行会被跳过，不会报错——这是默认容错行为，但可能掩盖数据缺失问题

meta 参数要小心字段层级和重名冲突

meta 用来提取每条记录的“父级信息”，比如订单ID、时间戳。但它不自动加前缀，若 meta 字段和 record_path 内字段同名，后者会覆盖前者。

• 用 meta_prefix 加前缀避免冲突：meta_prefix="order_"，这样 id 就变成 order_id
• meta 支持混合写法：meta=["id", ["user", "name"], ["metadata", "source"]]，其中 ["user", "name"] 表示从 user 对象里取 name
• 如果某个 meta 路径不存在（如 user 缺失），对应单元格为 NaN，不会中断整个转换

遇到 list-of-dict 但没外层 record_path 怎么办

如果你的数据本身就是 [{"a": 1, "b": {"c": 2}}, ...] 这种 list，没有包装字段，别硬凑 record_path。直接传入 list，json_normalize 默认把它当记录集处理：

import pandas as pd
from pandas import json_normalize
<p>data = [{"id": 1, "info": {"name": "Alice", "tags": ["dev"]}}, {"id": 2, "info": {"name": "Bob"}}]
df = json<em>normalize(data, sep="</em>")  # 自动展开 info.name → info_name</p>

这时候 sep="_" 很关键：它控制嵌套键的连接符，默认是 .，但 . 在列名里容易和 Pandas 方法冲突（比如 df.info.name 会误触发方法调用），所以建议统一用 _。

真正难的是字段值本身又是 list（比如 "tags": ["dev", "py"]）——json_normalize 不会展开 value-level 列表，它只会把整个 list 当成一个单元格内容。需要后续用 explode() 单独处理，这不是 json_normalize 的职责。

今天关于《Python处理JSON：json_normalize轻松展平嵌套数据》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！