如何使用flatten_json递归地扁平化嵌套的JSON？
此问题特定于flatten_json从[GitHub
Repo使用：flatten](https://github.com/amirziai/flatten)
- 该软件包位于pypi flatten-json 0.1.7上，可以与
pip install flatten-json - 此问题特定于软件包的以下组件：
def flatten_json(nested_json: dict, exclude: list=[''], sep: str='_') -> dict:
"""
Flatten a list of nested dicts.
"""
out = dict()
def flatten(x: (list, dict, str), name: str='', exclude=exclude):
if type(x) is dict:
for a in x:
if a not in exclude:
flatten(x[a], f'{name}{a}{sep}')
elif type(x) is list:
i = 0
for a in x:
flatten(a, f'{name}{i}{sep}')
i += 1
else:
out[name[:-1]] = x
flatten(nested_json)
return out
使用递归展平嵌套 dicts
- 用Python递归思考
- 在Python中展平JSON对象
嵌套如何data？：
flatten_json已用于解压缩最终超过100000列的文件
展平的JSON是否可以展平？
- 是的，这个问题不能解决这个问题。但是，如果您安装
flatten软件包，则有一种unflatten方法，但我尚未对其进行测试。
问题答案：
- 此答案集中于使用
flatten_json递归展平嵌套dict或JSON
假设：
- 该答案假定您已经将
JSON或dict加载到了某个变量（例如，文件，api等）中- 在这种情况下，我们将使用
data
- 在这种情况下，我们将使用
如何data加载到flatten_json：
- 它接受一个
dict，如功能类型提示所示。
最常见的形式data：
- 只是一句话：
{}flatten_json(data)
- 字典列表：
[{}, {}, {}][flatten_json(x) for x in data]
- 带有顶级密钥的JSON，其中值重复：
{1: {}, 2: {}, 3: {}}[flatten_json(data[key]) for key in data.keys()]
- 其他
{'key': [{}, {}, {}]}：[flatten_json(x) for x in data['key']]
实际示例：
- 我通常会扁平
data化成pandas.DataFrame- 载
pandas有import pandas as pd
- 载
资料1：
{
"id": 1,
"class": "c1",
"owner": "myself",
"metadata": {
"m1": {
"value": "m1_1",
"timestamp": "d1"
},
"m2": {
"value": "m1_2",
"timestamp": "d2"
},
"m3": {
"value": "m1_3",
"timestamp": "d3"
},
"m4": {
"value": "m1_4",
"timestamp": "d4"
}
},
"a1": {
"a11": [
]
},
"m1": {},
"comm1": "COMM1",
"comm2": "COMM21529089656387",
"share": "xxx",
"share1": "yyy",
"hub1": "h1",
"hub2": "h2",
"context": [
]
}
展平1：
df = pd.DataFrame([flatten_json(data)])
id class owner metadata_m1_value metadata_m1_timestamp metadata_m2_value metadata_m2_timestamp metadata_m3_value metadata_m3_timestamp metadata_m4_value metadata_m4_timestamp comm1 comm2 share share1 hub1 hub2
1 c1 myself m1_1 d1 m1_2 d2 m1_3 d3 m1_4 d4 COMM1 COMM21529089656387 xxx yyy h1 h2
资料2：
[{
'accuracy': 17,
'activity': [{
'activity': [{
'confidence': 100,
'type': 'STILL'
}
],
'timestampMs': '1542652'
}
],
'altitude': -10,
'latitudeE7': 3777321,
'longitudeE7': -122423125,
'timestampMs': '1542654',
'verticalAccuracy': 2
}, {
'accuracy': 17,
'activity': [{
'activity': [{
'confidence': 100,
'type': 'STILL'
}
],
'timestampMs': '1542652'
}
],
'altitude': -10,
'latitudeE7': 3777321,
'longitudeE7': -122423125,
'timestampMs': '1542654',
'verticalAccuracy': 2
}, {
'accuracy': 17,
'activity': [{
'activity': [{
'confidence': 100,
'type': 'STILL'
}
],
'timestampMs': '1542652'
}
],
'altitude': -10,
'latitudeE7': 3777321,
'longitudeE7': -122423125,
'timestampMs': '1542654',
'verticalAccuracy': 2
}
]
展平2：
df = pd.DataFrame([flatten_json(x) for x in data])
accuracy activity_0_activity_0_confidence activity_0_activity_0_type activity_0_timestampMs altitude latitudeE7 longitudeE7 timestampMs verticalAccuracy
17 100 STILL 1542652 -10 3777321 -122423125 1542654 2
17 100 STILL 1542652 -10 3777321 -122423125 1542654 2
17 100 STILL 1542652 -10 3777321 -122423125 1542654 2
资料3：
{
"1": {
"VENUE": "JOEBURG",
"COUNTRY": "HAE",
"ITW": "XAD",
"RACES": {
"1": {
"NO": 1,
"TIME": "12:35"
},
"2": {
"NO": 2,
"TIME": "13:10"
},
"3": {
"NO": 3,
"TIME": "13:40"
},
"4": {
"NO": 4,
"TIME": "14:10"
},
"5": {
"NO": 5,
"TIME": "14:55"
},
"6": {
"NO": 6,
"TIME": "15:30"
},
"7": {
"NO": 7,
"TIME": "16:05"
},
"8": {
"NO": 8,
"TIME": "16:40"
}
}
},
"2": {
"VENUE": "FOOBURG",
"COUNTRY": "ABA",
"ITW": "XAD",
"RACES": {
"1": {
"NO": 1,
"TIME": "12:35"
},
"2": {
"NO": 2,
"TIME": "13:10"
},
"3": {
"NO": 3,
"TIME": "13:40"
},
"4": {
"NO": 4,
"TIME": "14:10"
},
"5": {
"NO": 5,
"TIME": "14:55"
},
"6": {
"NO": 6,
"TIME": "15:30"
},
"7": {
"NO": 7,
"TIME": "16:05"
},
"8": {
"NO": 8,
"TIME": "16:40"
}
}
}
}
展平3：
df = pd.DataFrame([flatten_json(data[key]) for key in data.keys()])
VENUE COUNTRY ITW RACES_1_NO RACES_1_TIME RACES_2_NO RACES_2_TIME RACES_3_NO RACES_3_TIME RACES_4_NO RACES_4_TIME RACES_5_NO RACES_5_TIME RACES_6_NO RACES_6_TIME RACES_7_NO RACES_7_TIME RACES_8_NO RACES_8_TIME
JOEBURG HAE XAD 1 12:35 2 13:10 3 13:40 4 14:10 5 14:55 6 15:30 7 16:05 8 16:40
FOOBURG ABA XAD 1 12:35 2 13:10 3 13:40 4 14:10 5 14:55 6 15:30 7 16:05 8 16:40
-
注意：这个问题被简单地标记为这个问题的重复，但它不是完全的重复，因为我是专门询问std：：optionals的。如果你关心一般情况，还是一个很好的问题。 假设我有嵌套的选项，如下所示（愚蠢的玩具示例）： 还有这个垃圾邮件功能： 什么是压扁这张可选支票的最佳方法？我做了这样的东西，它不是可变的，但我不太关心这个（如果真的需要，我可以再添加一个级别（用)，而且超出这个级别的所有东西都是可怕的代码）。
-
如我们所知，要使用方法对数组进行展平 那么如何将这个数组平坦化为呢？
-
问题内容： 我有一个方法必须执行以下操作： 我想指定嵌套的数量（在上述情况下，我希望嵌套15个）。这里有一种使用递归编程的方法吗？ 问题答案： 是。这可以通过递归编程来执行。 我假设您不喜欢在源代码中写下这些嵌套的代码-如您的示例所示，因为这确实是丑陋的编程-如评论员所解释。 下面的代码（类似于Java的伪代码）对此进行了说明。我假设嵌套的深度固定。然后，您实际上想循环遍历尺寸深度的整数向量。 数
-
本文向大家介绍Python中的扁平化嵌套列表迭代器，包括了Python中的扁平化嵌套列表迭代器的使用技巧和注意事项，需要的朋友参考一下 假设我们有一个嵌套的整数列表；我们必须实现一个迭代器以使其扁平化。每个元素可以是整数，也可以是列表。该列表的元素也可以是整数或其他列表。因此，如果输入类似于[[1，1]，2，[1，1]]，则输出将为[1，1，2，1，1，1] 为了解决这个问题，我们将遵循以下步骤-
-
问题内容： 我需要将复杂的JSON Blob反序列化为标准.NET容器，以便 在不了解JSON的代码中 使用。它期望的事情是在标准的.NET类型，具体地或其中“对象”可以是原语或递归（词典或列表）。 我不能使用静态类型来映射结果，并且JObject / JToken不适合。理想情况下，将有某种方式（也许通过Contracts？）将原始JSON转换为基本.NET容器。 我一直在寻找任何方法来诱使JS
-
问题内容： 我是一名编程新手，在理解python教科书（Magnus Lie Hetland的“ Beginning Python”）中的示例时遇到了一些麻烦。该示例针对的是递归生成器，该生成器旨在展平嵌套列表的元素（具有任意深度）： 然后，您将输入嵌套列表，如下所示： 我了解flatten（）中的递归如何帮助缩小到此列表的最内层元素“ 1”，但是我不明白的是当“ 1”实际上作为“嵌套”传递回fl