Dataframe 是 pandas 庫中非常重要的數(shù)據(jù)結(jié)構(gòu)，它可以將數(shù)據(jù)以表格的形式展示出來，同時支持處理各種數(shù)據(jù)類型。而 JSON 是一種輕量級的數(shù)據(jù)交換格式，它可以表示復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，并且易于解析。在本文中，我們將介紹如何使用 Dataframe 進(jìn)行解析多字段 JSON。

首先，我們需要加載 json 文件并將其轉(zhuǎn)換為 Dataframe，可以使用 pandas 的 read_json 函數(shù)。在數(shù)據(jù)中有多個字段的情況下，read_json 默認(rèn)使用第一級字段作為列，而將剩余字段作為單獨的 Dataframe。這種情況下，我們可以將其進(jìn)行合并，并拆分成多個列。

import pandas as pd
# 加載 json 文件并轉(zhuǎn)換成 Dataframe
df = pd.read_json("data.json")
# 合并并拆分 Dataframe
df = pd.concat([df.drop(["data"], axis=1), df["data"].apply(pd.Series)], axis=1)

接著，我們需要使用 pandas 的 json_normalize 函數(shù)，將嵌套的 JSON 數(shù)據(jù)提取到 Dataframe 中。這個函數(shù)需要指定需要提取的 JSON 字段，并使用點號指定嵌套層數(shù)。在提取之后，我們需要將子 Dataframe 合并到原始 Dataframe 中。

from pandas.io.json import json_normalize
# 提取嵌套在 data 字段中的 JSON 數(shù)據(jù)
nested_data = json_normalize(df["nested_data"], record_path=["items"], meta=["id"])
# 將提取出來的數(shù)據(jù)合并到原始 Dataframe 中
df = pd.merge(df.drop(["nested_data"], axis=1), nested_data, on="id")

最后，我們可以按照自己的需求對數(shù)據(jù)進(jìn)行分析處理。例如，我們可以通過 groupby 函數(shù)對數(shù)據(jù)進(jìn)行分組，并使用 agg 函數(shù)計算各組的平均值。

# 按 category 分組并計算平均值
average_by_category = df.groupby("category").agg({
"price": "mean",
"quantity": "mean"
})
print(average_by_category)

總之，使用 Dataframe 解析多字段 JSON 是一個非常常見的需求。通過使用 pandas 的 read_json 和 json_normalize 函數(shù)，我們可以輕松地將 JSON 數(shù)據(jù)轉(zhuǎn)換為 Dataframe，并對其進(jìn)行各種分析處理。