JSON_normalize方法是pandas库中用于将嵌套的JSON对象展平成结构化表格的函数，在处理JSON数据时，我们经常会遇到嵌套的对象和数组，这使得数据难以分析和处理，JSON_normalize方法可以帮助我们将这些复杂的结构转换为更易于操作的表格形式。
确保你已经安装了pandas库，如果没有安装，可以使用pip命令来安装：
pip install pandas
接下来，让我们通过一个简单的例子来了解如何使用JSON_normalize方法。
假设我们有一个如下的JSON字符串，它包含了用户的个人信息和他们喜欢的电影列表：
json_str = '[
{"user_id": 1, "name": "John", "movies": ["The Shawshank Redemption", "The Godfather"]},
{"user_id": 2, "name": "Jane", "movies": ["Pulp Fiction", "The Dark Knight"]}
]'
我们的目标是将这个JSON字符串转换为一个表格，其中每行代表一个用户，每列代表一个属性，例如用户ID、姓名和他们喜欢的电影。
我们需要将JSON字符串转换为Python的字典列表，我们可以使用pandas的read_json方法将这个列表转换为DataFrame，我们使用JSON_normalize方法来展平这个DataFrame。
import pandas as pd
from pandas.io.json import json_normalize
JSON字符串
json_str = '[
{"user_id": 1, "name": "John", "movies": ["The Shawshank Redemption", "The Godfather"]},
{"user_id": 2, "name": "Jane", "movies": ["Pulp Fiction", "The Dark Knight"]}
]'
将JSON字符串转换为字典列表
data = pd.read_json(json_str)
使用json_normalize方法展平DataFrame
normalized_data = json_normalize(data, 'records', ['user_id', 'name'])
print(normalized_data)
输出结果将是：
user_id name record 0 1 John The Shawshank Redemption 1 1 John The Godfather 2 2 Jane Pulp Fiction 3 2 Jane The Dark Knight
在这个例子中，我们使用了'records'作为json_normalize的记录路径，这意味着我们将每个用户的电影列表作为一个单独的记录来处理，我们还指定了['user_id', 'name']作为索引，这样我们就可以在展平的表格中保留用户ID和姓名列。
JSON_normalize方法非常灵活，它允许你指定不同的记录路径和索引，以满足不同的数据处理需求，这使得它成为处理复杂JSON数据的强大工具。