如何基于 json 文件中的“键”创建 Pandas DF 列？

Question

我有一个包含以下对象的“json 文件”： combinedRecognizedPhrases recognizedPhrases
json 示例：

{
  "source": "https://example.com",
  "timestamp": "2021-04-12T19:34:24Z",
  "durationInTicks": 1082400000,
  "duration": "PT1M48.24S",
  "combinedRecognizedPhrases": [
    {
      "channel": 0,
      "lexical": "aaa",
      "itn": "aaa",
      "maskedITN": "aaa",
      "display": "aaa"
    }
  ],
  "recognizedPhrases": [
    {
      "recognitionStatus": "Success",
      "channel": 0,
      "speaker": 1,
      "offset": "PT2.18S",
      "duration": "PT3.88S",
      "offsetInTicks": 21800000,
      "durationInTicks": 38800000,
      "nBest": [
        {
          "confidence": 0.9306252,
          "lexical": "gracias por llamar",
          "itn": "gracias por llamar",
          "maskedITN": "gracias por llamar",
          "display": "¿Gracias por llamar",
          "words": [
            {
              "word": "gracias",
              "offset": "PT2.18S",
              "duration": "PT0.37S",
              "offsetInTicks": 21800000,
              "durationInTicks": 3700000,
              "confidence": 0.930625
            },
            {
              "word": "por",
              "offset": "PT2.55S",
              "duration": "PT0.18S",
              "offsetInTicks": 25500000,
              "durationInTicks": 1800000,
              "confidence": 0.930625
            },
            {
              "word": "llamar",
              "offset": "PT2.73S",
              "duration": "PT0.22S",
              "offsetInTicks": 27300000,
              "durationInTicks": 2200000,
              "confidence": 0.930625
            }
          ]
        }
      ]
    },
    {
      "recognitionStatus": "Success",
      "channel": 0,
      "speaker": 2,
      "offset": "PT6.85S",
      "duration": "PT5.63S",
      "offsetInTicks": 68500000,
      "durationInTicks": 56300000,
      "nBest": [
        {
          "confidence": 0.9306253,
          "lexical": "quiero hacer un pago",
          "itn": "quiero hacer un pago",
          "maskedITN": "quiero hacer un pago",
          "display": "quiero hacer un pago"
        }
      ]
    },
    {
      "recognitionStatus": "Success",
      "channel": 0,
      "speaker": 2,
      "offset": "PT13.29S",
      "duration": "PT3.81S",
      "offsetInTicks": 132900000,
      "durationInTicks": 38100000,
      "nBest": [
        {
          "confidence": 0.93062526,
          "lexical": "no sé bien la cantidad",
          "itn": "no sé bien la cantidad",
          "maskedITN": "no sé bien la cantidad",
          "display": "no sé bien la cantidad"
        }
      ]
    }
  ]
}

在示例中， recognizedPhrases的短语 object 的值从0到2 。 这些值中的每一个都有描述它的信息：

"recognitionStatus": "Success",
      "channel": 0,
      "speaker": 1,
      "offset": "PT2.18S",
      "duration": "PT3.88S",
      "offsetInTicks": 21800000,
      "durationInTicks": 38800000

在名为nBest的recognizedPhrases短语中还有一个 object，其中包含以下信息：

"confidence": 0.9306252,
          "lexical": "thank you for calling",
          "itn": "thank you for calling",
          "maskedITN": "thank you for calling",
          "display": "thank you for calling".

我需要组织每个已recognizedPhrases/[0]或1或2等中可用的信息。 /nBest/[1]/display在 DF 中，当扬声器 = 1 时，列名为“扬声器 1”，当“扬声器 2”时，列名为“扬声器 1” ”。

例如：如果 RecognizedPhrases recognizedPhrases/[0] object 包含"speaker": 1并且 RecognizedPhrases recognizedPhrases/[1]也有"speaker": 1这些短语应该连接在我的 df 的扬声器 1 列中。

编辑1：我已经尝试过以下方法：

with open('file.json','r') as f:
    j = json.load(f)    
test = pd.json_normalize(j, record_path=['recognizedPhrases'], meta=['source', 'durationInTicks', 'duration'], record_prefix='_')

这给了我以下DF：

这个 DF 的问题在于，每个说话者每次说话时它都有一行。 在我使用的示例中，speaker1 说一次，speaker 2 说两次，这段代码会生成 3 行，这不是我想要的。 此外，每个说话者所说的内容都在_nBest字典中，并且需要额外的代码来获取所说的内容。

我想要得到的是一个 DF，其中所有信息都在一行中。 这是我正在寻找的示例：

评论@DSteman 答案：这种方法做了一件好事，那就是它允许我将发言者分开。 但是，有两点我需要改进。 首先，这种方法创建了两行。 我需要将所有信息排成一行。 其次，在扬声器 1 栏中有扬声器 2 所说的内容。

第三，这种方法遗漏了很多必要的信息（见上面我正在寻找的 output 的图片）。

Answer 1

如果将 JSON object 作为字典分配给变量“x”，则以下生成一个 df，其中列是说话者，行是短语。

speakers = [i.get('speaker') for i in x.get('recognizedPhrases')]
phrases = [i.get('nBest')[0].get('display') for i in x.get('recognizedPhrases')]
columns = list(set(speakers))
data = [[x[1] for x in zip(speakers, phrases) if x[0] == i] for i in columns]
df = pd.DataFrame(data, columns=columns)