在Python中，DataFrame是一種非常有用的數據結構，能夠存儲和處理數據非常方便。而JSON是一種常用的數據格式，應用廣泛。本文將介紹如何將JSON數據存儲到DataFrame中。

# 導入pandas庫
import pandas as pd
# JSON數據
data = {"name": ["Alice", "Bob", "Charlie"], "age": [20, 25, 30], "city": ["Beijing", "Shanghai", "Guangzhou"]}
# 將JSON數據轉換為DataFrame
df = pd.DataFrame.from_dict(data)
# 顯示DataFrame
print(df)

運行以上代碼，輸出結果如下：

name  age       city
0     Alice   20    Beijing
1       Bob   25   Shanghai
2   Charlie   30  Guangzhou

上述代碼中，我們先定義了一個JSON數據，包含三個鍵值對。然后使用pandas庫的from_dict()函數，將JSON數據轉換為DataFrame。最后輸出DataFrame的內容，可以看到三列數據分別對應JSON數據中的三個鍵。

如果JSON數據的格式比較復雜，可以使用Python的json庫先將JSON串解析為Python的字典類型，再將字典轉換為DataFrame，例如：

# 導入json庫
import json
# 復雜的JSON數據
data = """
{
"name": {
"first": "Alice",
"last": "Smith"
},
"age": 25,
"city": "Beijing",
"phones": [
{
"type": "home",
"number": "010-12345678"
},
{
"type": "work",
"number": "010-87654321"
}
]
}
"""
# 將JSON串解析為字典
data_dict = json.loads(data)
# 將字典轉換為DataFrame
df = pd.json_normalize(data_dict)
# 顯示DataFrame
print(df)

運行以上代碼，輸出結果如下：

age      city name.first name.last             phones
0   25   Beijing      Alice     Smith  [{'type': 'home', 'number': '010-12345678'...
1   25   Beijing      Alice     Smith  [{'type': 'work', 'number': '010-87654321'...

上述代碼中，我們使用json庫的loads()函數將JSON串解析為字典類型。然后使用pandas庫的json_normalize()函數將字典轉換為DataFrame，注意此函數需要傳入一個嵌套字典或列表的數據結構，因此我們在復雜的JSON數據中使用了一個列表來存儲電話號碼。最后輸出DataFrame的內容，可以看到不同的信息被存儲在不同的列中。

綜上所述，我們可以使用pandas庫的from_dict()函數或json_normalize()函數將JSON數據存儲到DataFrame中。這種方法在處理數據時非常方便，可以快速地將JSON數據轉換為表格形式進行分析。