如何將 json output 轉換為 python 中的數據幀

Question

我需要將此 json 文件轉換為 python 中的數據幀：

print(resp2)

    {
  "totalCount": 1,
  "nextPageKey": null,
  "result": [
    {
      "metricId": "builtin:tech.generic.cpu.usage",
      "data": [
        {
          "dimensions": [
            "process_345678"
          ],
          "dimensionMap": {
            "dt.entity.process_group_instance": "process_345678"
          },
          "timestamps": [
            1642021200000,
            1642024800000,
            1642028400000
          ],
          "values": [
            10,
            15,
            12
          ]
        }
      ]
    }
  ]
}

Output 需要是這樣的：

metricId    dimensions  timestamps  values
builtin:tech.generic.cpu.usage  process_345678  1642021200000   10
builtin:tech.generic.cpu.usage  process_345678  1642024800000   15
builtin:tech.generic.cpu.usage  process_345678  1642028400000   12

我試過這個：

print(pd.json_normalize(resp2, "data"))

我得到無效的語法，有什么想法嗎？

Answer 1

查看json_normalize的示例，您將看到一個字典列表，其中包含您想要的列的鍵名，每一行都是唯一的。 當您有嵌套列表/對象時，列將被展平以具有點符號，但嵌套的 arrays 最終不會跨行重復。

因此，將數據解析為平面列表，然后您可以使用from_records 。

data = []
for r in resp2['result']:
    metricId = r['metricId']
    for d in r['data']:
        dimension = d['dimensions'][0]  # unclear why this is an array 
        timestamps = d['timestamps']
        values = d['values']
        for t, v in zip(timestamps, values):
            data.append({'metricId': metricId, 'dimensions': dimension,  'timestamps': t, 'values': v})

df = pd.DataFrame.from_records(data)