Подтвердить что ты не робот

Вложенный Json для pandas DataFrame с определенным форматом

Мне нужно отформатировать содержимое Json файла в определенном формате в pandas DataFrame, чтобы я мог запустить pandassql, чтобы преобразовать данные и запустить их через скоринговую модель.

file = C:\scoring_model\json.js (содержимое "файла" указано ниже)

{
"response":{
  "version":"1.1",
  "token":"dsfgf",
   "body":{
     "customer":{
         "customer_id":"1234567",
         "verified":"true"
       },
     "contact":{
         "email":"[email protected]",
         "mobile_number":"0123456789"
      },
     "personal":{
         "gender": "m",
         "title":"Dr.",
         "last_name":"Muster",
         "first_name":"Max",
         "family_status":"single",
         "dob":"1985-12-23",
     }
   }
 }

Мне нужно, чтобы dataframe выглядел так (очевидно, все значения в той же строке, как можно лучше форматировать его для этого вопроса):

version | token | customer_id | verified | email      | mobile_number | gender |
1.1     | dsfgf | 1234567     | true     | [email protected] | 0123456789    | m      |

title | last_name | first_name |family_status | dob
Dr.   | Muster    | Max        | single       | 23.12.1985

Я рассмотрел все остальные вопросы по этой теме, попробовал различные способы загрузки Json файла в панды

'with open(r'C:\scoring_model\json.js', 'r') as f:'
    c = pd.read_json(f.read())

 'with open(r'C:\scoring_model\json.js', 'r') as f:'
    c = f.readlines()

попробовал pd.Panel() в этом решении Python Pandas: как разбить отсортированный словарь в столбце фрейма данных

с результатами dataframe из [yo = f.readlines()] думал о попытке разделить содержимое каждой ячейки на основе ("") и найти способ поместить разделенное содержимое в разные столбцы, но пока не повезло. Ваш опыт высоко ценится. Заранее спасибо.

4b9b3361

Ответ 1

Если вы загружаете весь json как dict (или список), например, используя json.load, вы можете использовать json_normalize:

In [11]: d = {"response": {"body": {"contact": {"email": "[email protected]", "mobile_number": "0123456789"}, "personal": {"last_name": "Muster", "gender": "m", "first_name": "Max", "dob": "1985-12-23", "family_status": "single", "title": "Dr."}, "customer": {"verified": "true", "customer_id": "1234567"}}, "token": "dsfgf", "version": "1.1"}}

In [12]: df = pd.io.json.json_normalize(d)

In [13]: df.columns = df.columns.map(lambda x: x.split(".")[-1])

In [14]: df
Out[14]:
        email mobile_number customer_id verified         dob family_status first_name gender last_name title  token version
0  [email protected]    0123456789     1234567     true  1985-12-23        single        Max      m    Muster   Dr.  dsfgf     1.1