规范化json列并与dataframe的其余部分连接

Question

这是我在stackoverflow的第一个问题，所以请不要烤我。 我试图在互联网上找到类似的问题，实际上有几个，但对我来说，这些解决方案不起作用。

我已创建此数据框：

import pandas as pd
from ast import literal_eval
d = {'order_id': [1], 'email': ["hi@test.com"], 'line_items': ["[{'sku':'testproduct1', 'quantity':'2'},{'sku':'testproduct2','quantity':'2'}]"]}
orders = pd.DataFrame(data=d)

看起来是这样的：

order_id    email         line_items
1           hi@test.com   [{'sku':'testproduct1', 'quantity':'2'},{'sku':'testproduct2','quantity':'2'}]

我希望数据帧如下所示：

order_id    email               line_items.sku        line_items.quantity
1           hi@test.com         testproduct1           2
1           hi@test.com         testproduct2           2

我使用以下代码将行_项的类型从string更改为dict：

orders.line_items = orders.line_items.apply(literal_eval)

通常我会使用json_normalizenow展平行项目列。但我也想保留身份证，不知道怎么做。我还想避免任何循环

有人能帮我解决这个问题吗

亲切的问候
乔安娜95

Answer 1

如果你的字典真的那么奇怪，那么你可以试试：

d['line_items'] = eval(d['line_items'][0])
df = pd.json_normalize(d, record_path=['line_items'], meta=['order_id', 'email'])

要从orders中创建d，您可以尝试：

d = orders.to_dict(orient='list')

或者你可以试试：

orders.line_items = orders.line_items.map(eval)
d = orders.to_dict(orient='records')
df = pd.json_normalize(d, record_path=['line_items'], meta=['order_id', 'email'])

但是：我仍然不清楚情况：）