Pandas Python 搜索 JSON 列表

Question

我有一个 JSON 文件结构化列表，所以：

[

 {

   "name": "first",

   "points": 0.5,

   "tags": [{

      "key": "Owner",

      "value": "A"

   }]

 },

 {

   "name": "first",

   "points": 1.5,

   "tags": [{

      "key": "Owner",

      "value": "B"

   }]

 },

 {

   "name": "first",

   "points": 24,

   "tags": [{

      "key": "SomeOtherTag",

      "value": "XYZ"

   }]

 }

]

我想加载这个 JSON 数组，然后过滤特定key: value标签并计算points. 例如，过滤这个“主”列表，然后Owner: A计算应该给我结果的点数0.5

我知道如何计算点数，items.points.sum()但我正在努力按标签键/值进行过滤。

这是我到目前为止所拥有的：

import pandas as pd

items = pd.read_json('all_items.json')

# Do something to filter down the list

filtered_items = ?????

print(filtered_items.points.sum())

根据 Rob 的解决方案进行编辑：

#pipenv install pandas

# pandas = 1.1.0

import pandas as pd

items = pd.read_json('all_items.json')

pd.json_normalize(items, record_path="tags", meta=[['name'], ['points']])

给TypeError: string indices must be integers。

Answer 1

您可以使用json_normalize：df = pd.io.json.json_normalize(s)print(df)    name  points                                       tags0  first     0.5           [{'key': 'Owner', 'value': 'A'}]1  first     1.5           [{'key': 'Owner', 'value': 'B'}]2  first    24.0  [{'key': 'SomeOtherTag', 'value': 'XYZ'}]# to filterfilter_mask = df['tags'].apply(lambda x: x[0]['value'] == 'A')df.loc[filter_mask, "points"].sum()

Answer 2

如果您不严格使用 Pandas，另一种方法是对生成器理解求和，假设tags每行列表中只嵌入一个字典：sum(entry["points"] for entry in data if entry["tags"][0]["value"] == "A") 0.5

Answer 3

json_normalize()为你做这一切js = [{'name': 'first', 'points': 0.5, 'tags': [{'key': 'Owner', 'value': 'A'}]}, {'name': 'first', 'points': 1.5, 'tags': [{'key': 'Owner', 'value': 'B'}]}, {'name': 'first',  'points': 24,  'tags': [{'key': 'SomeOtherTag', 'value': 'XYZ'}]}]pd.json_normalize(js, record_path="tags", meta=[['name'], ['points']])输出          key value   name points        Owner     A  first    0.5        Owner     B  first    1.5 SomeOtherTag   XYZ  first     24补充更新如果从文件中读取import jsonwith open('all_items.json') as f: items = json.load(f)pd.json_normalize(items, record_path="tags", meta=[['name'], ['points']])