将 Pandas 数据框转换为嵌套的 JSON（不作为列表嵌套）

Question

我知道关于这个主题，但我运行遇到了一个似乎没有其他答案可以解决的问题。

给定以下 Pandas 数据框：

a  b  c  d
a1 b1 c1 d1
a2 b2 c2 d2

我想创建一个具有以下结构的嵌套 JSON 对象：

[
    {
        "a": "a1",
        "b": "b1",
        "nested_group":
            {
                "c": "c1",
                "d": "d1"
            }
    },
    {
        "a": "a2",
        "b": "b2",
        "nested_group":
            {
                "c": "c2",
                "d": "d2"
            }
    }
]

我在其他线程中找到的解决方案是使用以下代码：

j = (df.groupby(['a','b']) 
      .apply(lambda x: x[['c','d']].to_dict('records')) 
      .reset_index() 
      .rename(columns={0:'nested_group'}) 
      .to_json(orient='records'))

但是，我运行遇到的问题是上面的代码将每个 nested_group 对象放在方括号内，如下所示：

"nested_group": [
    {
        "c": "c2",
        "d": "d2"
    }
]

我试图生成的对象是 API 调用的有效负载，不幸的是，每个内部字典周围的方括号导致 API 到 return一个错误。（对象最 top/bottom 处的最外面的括号很好。）如何使 Python 不将内部字典视为列表？

重现示例数据帧的代码：

import numpy as np
import pandas as pd

array = np.array([['a1', 'b1', 'c1', 'd1'], ['a2', 'b2', 'c2', 'd2']])
df = pd.DataFrame(data=array, columns=['a','b','c','d'])

提前谢谢你:)

Answer 1

让我们试试

out = [{'a':x['a'],'b':x['b'],'nested_group':x[['c','d']].to_dict()} for _,x in df.iterrows() ]
Out[284]: 
[{'a': 'a1', 'b': 'b1', 'nested_group': {'c': 'c1', 'd': 'd1'}},
 {'a': 'a2', 'b': 'b2', 'nested_group': {'c': 'c2', 'd': 'd2'}}]

Answer 2

查看 to_dict 的文档似乎我们仍然必须使用 records 选项，如果我们假设它将始终是 1 元素的列表，只是使用您的原始代码获取第 0 个元素

>>> import numpy as np
>>> import pandas as pd
>>> array = np.array([['a1', 'b1', 'c1', 'd1'], ['a2', 'b2', 'c2', 'd2']])
>>> df = pd.DataFrame(data=array, columns=['a','b','c','d'])
>>> (df.groupby(['a','b']) 
      .apply(lambda x: x[['c','d']].to_dict('records')[0]) 
      .reset_index() 
      .rename(columns={0:'nested_group'}) 
      .to_json(orient='records'))
'[{"a":"a1","b":"b1","nested_group":{"c":"c1","d":"d1"}},{"a":"a2","b":"b2","nested_group":{"c":"c2","d":"d2"}}]'

将 Pandas 数据框转换为嵌套的 JSON（不作为列表嵌套）

Convert Pandas dataframe to nested JSON (without nesting as lists)

python

json

pandas