在数据分析、报告和 ETL 流程中，使用 JSON 和 Pandas DataFrame 非常常见。虽然 Pandas 提供了read_json基本的解析功能，但它在处理深度嵌套结构、超大文件或 Excel 优先工作流时可能会遇到困难。Aspose.Cells for Python 提供了丰富的 JSON 到 Excel 转换流程，您可以轻松地将其与 Pandas 集成，以获取干净的 DataFrame 进行分析。在本篇教程中，您将学习如何在 Python 中将 JSON 转换为 Pandas DataFrame。
将 JSON 转换为 Pandas DataFrame 的 Python 库
Aspose.Cells for Python via .NET是一款功能强大的电子表格 API，无需 Microsoft Excel。除了传统的 Excel 自动化功能外，它还支持直接导入和导出 JSON，非常适合将 JSON 转换为 Pandas DataFrame，然后在 Excel 中保存或处理。
使用 Aspose.Cells，您可以：
- 使用将 JSON 导入工作表JsonUtility，并提供处理数组和嵌套结构的选项。
- 将工作表范围转换为 Pandas DataFrames以进行分析和可视化。
- 在 Excel 文件内创建、加载和处理 JSON，以适合分析管道。
- 将 DataFrames 导出回 Excel（XLSX、CSV、ODS、PDF）以进行报告。
简而言之，该库可以轻松地将数据从 JSON 格式迁移到 Excel 中用于报告，同时您可以使用 Pandas 进行更深入的分析。它将JsonUtilityJSON 导入工作表，并JsonLayoutOptions控制数组和嵌套对象的扩展方式。
将 JSON 转换为 DataFrame
Aspose.Cells 直接将 JSON 导入工作表。然后读取标题行和数据行，构建 Pandas DataFrame。
按照以下步骤将 JSON 转换为 pandas DataFrame：
- 创建一个工作簿并获取第一个工作表。
- 配置JsonLayoutOptions将数组视为表。
- 0在行、列处导入 JSON 字符串0。
- 使用第一行作为列标题。
- 提取剩余的行作为数据。
- 构建一个 Pandas DataFrame。
以下代码示例展示了如何在 Python 中将 JSON 转换为 pandas DataFrame：
import pandas as pd
import aspose.cells as ac
# Create a new workbook and get the first worksheet (0-based index)
wb = ac.Workbook()
ws = wb.worksheets.get(0)
# Configure how JSON should be laid out in the worksheet
options = ac.utility.JsonLayoutOptions()
options.array_as_table = True # Treat a top-level JSON array as a table (rows/columns)
# Example JSON array of simple objects
json_data = '[{"id":1,"name":"Alice"},{"id":2,"name":"Bob"}]'
# Import JSON into the worksheet starting at row=0, col=0 (cell A1)
ac.utility.JsonUtility.import_data(json_data, ws.cells, 0, 0, options)
# Locate the first row that contains data (this will be our header row)
header_idx = ws.cells.min_data_row
# Extract header values from that row to use as DataFrame column names
columns = [cell.value for cell in ws.cells.rows[header_idx]]
# Extract all subsequent rows as data (skip the header row)
data = [
[cell.value for cell in row]
for idx, row in enumerate(ws.cells.rows)
if row and idx != header_idx
]
# Build the DataFrame using the collected headers and rows
df = pd.DataFrame(data, columns=columns)
# Display the result
print(df)
输出:
id name 0 1.0 Alice 1 2.0 Bob
将嵌套 JSON 转换为 Pandas DataFrame
如果您的 JSON 包含嵌套对象，Aspose.Cells 会使用 JsonUtility 将 JSON 导入工作表，然后您可以将其导出到 DataFrame。JsonLayoutOptions 控制数组和嵌套对象的展开方式。
按照以下步骤将嵌套 JSON 转换为 pandas DataFrame：
- 创建一个工作簿并选择第一个工作表。
- 设置所需的JsonLayoutOptions属性，例如array_as_table=True、ignore_array_title=True、ignore_object_title=True和kept_schema=True。
- 在行0、列处导入嵌套的 JSON 0。
- 检测使用的范围并读取整个跨度内的标题行。
- 读取同一跨度（固定宽度）的所有后续行。
- 构建 DataFrame；可选地转换数据类型（例如，total转换为数字）。
以下代码示例展示了如何在 Python 中将嵌套 JSON 转换为 pandas DataFrame：
import pandas as pd
import aspose.cells as ac
# Create Workbook and get first worksheet
wb = ac.Workbook()
ws = wb.worksheets.get(0)
# Layout options for nested JSON
opt = ac.utility.JsonLayoutOptions()
opt.array_as_table = True # Treat 'orders' array as a table (rows)
opt.ignore_array_title = True # Do not place a title row for the 'orders' array
opt.ignore_object_title = True # Do not place extra title rows for nested objects (e.g., 'buyer')
opt.kept_schema = True # Keep a stable set of columns even if some records miss fields
# Step 3: Your nested JSON
nested = '''
{
"batch": "A1",
"orders": [
{"orderId": "1001", "total": "49.90", "buyer": {"city": "NYC", "zip": "10001"}},
{"orderId": "1002", "total": "79.00", "buyer": {"city": "Boston", "zip": "02108"}}
]
}
'''
# Import at A1 (row=0, col=0) using the options above
ac.utility.JsonUtility.import_data(nested, ws.cells, 0, 0, opt)
# Detect used range
first_row = ws.cells.min_data_row
first_col = ws.cells.min_data_column
last_row = ws.cells.max_data_row
last_col = ws.cells.max_data_column
# Read header row across the full used column span (fixed width)
raw_columns = [ws.cells.get(first_row, c).value for c in range(first_col, last_col + 1)]
# Make headers safe: replace None/blank with "Column{n}" and cast to str
columns = [
(str(v) if v is not None and str(v).strip() != "" else f"Column{idx + 1}")
for idx, v in enumerate(raw_columns)
]
# Read data rows across the same span (fixed width guarantees alignment)
data = []
for r in range(first_row + 1, last_row + 1):
row_vals = [ws.cells.get(r, c).value for c in range(first_col, last_col + 1)]
data.append(row_vals)
# Build DataFrame
df = pd.DataFrame(data, columns=columns)
# Optional: tidy up column names (e.g., replace spaces)
df.columns = [str(c).strip() for c in df.columns]
# Optional typing:
# - Keep ZIPs as strings (leading zeros matter)
# - Convert totals to numeric (coerce non-numeric to NaN)
for col in list(df.columns):
if col.lower().endswith("total"):
df[col] = pd.to_numeric(df[col], errors="coerce")
# Print
print(df)
输出：
A1 1001 49.90 NYC 10001 0 None 1002 79.00 Boston 02108
注意：如果启用convert_numeric_or_date=True，看起来像数字的字符串（例如总数）可能会转换为数字，但邮政编码（例如）"02108"可能会丢失前导零。False如果您需要将邮政编码转换为字符串，请保留此选项。
通过 JSON 将 Excel 转换为 Pandas DataFrame
使用 Aspose.Cells 将任意 Excel 范围导出为 JSON，然后将该 JSON 作为 DataFrame 加载到 Pandas 中。当您需要为服务或管道进行结构化 JSON 交接时，此功能非常有用。
按照以下步骤通过 JSON 将 Excel 转换为 pandas DataFrame：
- 创建一个新工作簿，获取第一个工作表，并添加示例值。
- 使用默认值创建JsonSaveOptions。
- 使用该方法将使用的范围导出为JSON字符串export_range_to_json()。
- 使用该方法将 JSON 字符串读入 DataFrame pd.read_json(io.StringIO(json_text))。
- 根据需要检查或处理 DataFrame。
以下代码示例展示了如何在 Python 中通过 JSON 将 Excel 转换为 pandas DataFrame：
import io
import pandas as pd
from aspose.cells.utility import JsonUtility # JSON export utility
from aspose.cells import Workbook, JsonSaveOptions, License
# Create a new workbook and access the first worksheet
workbook = Workbook()
worksheet = workbook.worksheets.get(0)
# Get the cells of the worksheet
cells = worksheet.cells
# Populate a small table (headers + rows)
cells.get("A1").value = "Name"
cells.get("B1").value = "Age"
cells.get("C1").value = "City"
cells.get("A2").value = "Alice"
cells.get("B2").value = 25
cells.get("C2").value = "New York"
cells.get("A3").value = "Bob"
cells.get("B3").value = 30
cells.get("C3").value = "San Francisco"
cells.get("A4").value = "Charlie"
cells.get("B4").value = 35
cells.get("C4").value = "Los Angeles"
# Set up JSON save options (defaults are fine for a simple table)
json_save_options = JsonSaveOptions()
# Export the used range to a JSON string
# max_display_range grabs the full rectangular region that contains data
json_text = JsonUtility.export_range_to_json(cells.max_display_range, json_save_options)
# Read the JSON string into a Pandas DataFrame
# Pandas can parse a JSON string directly
df = pd.read_json(io.StringIO(json_text))
# Use the DataFrame
print(df)
输出：
Name Age City 0 Alice 25 New York 1 Bob 30 San Francisco 2 Charlie 35 Los Angeles
结论
使用 Aspose.Cells for Python，将 JSON 转换为 Pandas DataFrames 变得非常简单。您可以获得可靠的嵌套结构处理、模式稳定性选项，以及在需要时轻松导出到 Excel 的途径。将 Pandas 的灵活性与 Aspose.Cells 中的 JSON/Excel 管道相结合，简化数据处理并解锁强大的 Python 分析功能。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
