Excel处理控件Aspose.Cells教程：在 Python 中将 JSON 转换为 Pandas DataFrame-阿里西西

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。

Aspose.Cells官方试用版免费下载，请联系Aspose官方授权代理商

加入Aspose技术交流QQ群（1041253375），与更多小伙伴一起探讨提升开发技能。

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。

Aspose.Cells官方试用版免费下载，请联系Aspose官方授权代理商

加入Aspose技术交流QQ群（1041253375），与更多小伙伴一起探讨提升开发技能。