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

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官方授权代理商慧都科技
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：

1. import pandas as pd
2. import aspose.cells as ac
4. # Create a new workbook and get the first worksheet (0-based index)
5. wb = ac.Workbook()
6. ws = wb.worksheets.get(0)
8. # Configure how JSON should be laid out in the worksheet
9. options = ac.utility.JsonLayoutOptions()
10. options.array_as_table = True           # Treat a top-level JSON array as a table (rows/columns)
12. # Example JSON array of simple objects
13. json_data = '[{"id":1,"name":"Alice"},{"id":2,"name":"Bob"}]'
15. # Import JSON into the worksheet starting at row=0, col=0 (cell A1)
16. ac.utility.JsonUtility.import_data(json_data, ws.cells, 0, 0, options)
18. # Locate the first row that contains data (this will be our header row)
19. header_idx = ws.cells.min_data_row
21. # Extract header values from that row to use as DataFrame column names
22. columns = [cell.value for cell in ws.cells.rows[header_idx]]
24. # Extract all subsequent rows as data (skip the header row)
25. data = [
26.     [cell.value for cell in row]
27.     for idx, row in enumerate(ws.cells.rows)
28.     if row and idx != header_idx
29. ]
31. # Build the DataFrame using the collected headers and rows
32. df = pd.DataFrame(data, columns=columns)
34. # Display the result
35. print(df)

复制代码

输出:

1.     id   name
2. 0  1.0  Alice
3. 1  2.0    Bob

复制代码

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：

1. import pandas as pd
2. import aspose.cells as ac
4. # Create Workbook and get first worksheet
5. wb = ac.Workbook()
6. ws = wb.worksheets.get(0)
8. # Layout options for nested JSON
9. opt = ac.utility.JsonLayoutOptions()
10. opt.array_as_table = True  # Treat 'orders' array as a table (rows)
11. opt.ignore_array_title = True  # Do not place a title row for the 'orders' array
12. opt.ignore_object_title = True  # Do not place extra title rows for nested objects (e.g., 'buyer')
13. opt.kept_schema = True  # Keep a stable set of columns even if some records miss fields
15. # Step 3: Your nested JSON
16. nested = '''
17. {
18.   "batch": "A1",
19.   "orders": [
20.     {"orderId": "1001", "total": "49.90", "buyer": {"city": "NYC", "zip": "10001"}},
21.     {"orderId": "1002", "total": "79.00", "buyer": {"city": "Boston", "zip": "02108"}}
22.   ]
23. }
24. '''
26. # Import at A1 (row=0, col=0) using the options above
27. ac.utility.JsonUtility.import_data(nested, ws.cells, 0, 0, opt)
29. # Detect used range
30. first_row = ws.cells.min_data_row
31. first_col = ws.cells.min_data_column
32. last_row = ws.cells.max_data_row
33. last_col = ws.cells.max_data_column
35. # Read header row across the full used column span (fixed width)
36. raw_columns = [ws.cells.get(first_row, c).value for c in range(first_col, last_col + 1)]
38. # Make headers safe: replace None/blank with "Column{n}" and cast to str
39. columns = [
40.     (str(v) if v is not None and str(v).strip() != "" else f"Column{idx + 1}")
41.     for idx, v in enumerate(raw_columns)
42. ]
44. # Read data rows across the same span (fixed width guarantees alignment)
45. data = []
46. for r in range(first_row + 1, last_row + 1):
47.     row_vals = [ws.cells.get(r, c).value for c in range(first_col, last_col + 1)]
48.     data.append(row_vals)
50. # Build DataFrame
51. df = pd.DataFrame(data, columns=columns)
53. # Optional: tidy up column names (e.g., replace spaces)
54. df.columns = [str(c).strip() for c in df.columns]
56. # Optional typing:
57. # - Keep ZIPs as strings (leading zeros matter)
58. # - Convert totals to numeric (coerce non-numeric to NaN)
59. for col in list(df.columns):
60.     if col.lower().endswith("total"):
61.         df[col] = pd.to_numeric(df[col], errors="coerce")
63. # Print
64. print(df)

复制代码

输出：

1.      A1  1001  49.90     NYC  10001
2. 0  None  1002  79.00  Boston  02108

复制代码

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：

1. import io
2. import pandas as pd
3. from aspose.cells.utility import JsonUtility  # JSON export utility
4. from aspose.cells import Workbook, JsonSaveOptions, License
6. # Create a new workbook and access the first worksheet
7. workbook = Workbook()
8. worksheet = workbook.worksheets.get(0)
10. # Get the cells of the worksheet
11. cells = worksheet.cells
13. # Populate a small table (headers + rows)
14. cells.get("A1").value = "Name"
15. cells.get("B1").value = "Age"
16. cells.get("C1").value = "City"
18. cells.get("A2").value = "Alice"
19. cells.get("B2").value = 25
20. cells.get("C2").value = "New York"
22. cells.get("A3").value = "Bob"
23. cells.get("B3").value = 30
24. cells.get("C3").value = "San Francisco"
26. cells.get("A4").value = "Charlie"
27. cells.get("B4").value = 35
28. cells.get("C4").value = "Los Angeles"
30. # Set up JSON save options (defaults are fine for a simple table)
31. json_save_options = JsonSaveOptions()
33. # Export the used range to a JSON string
34. # max_display_range grabs the full rectangular region that contains data
35. json_text = JsonUtility.export_range_to_json(cells.max_display_range, json_save_options)
37. # Read the JSON string into a Pandas DataFrame
38. #    Pandas can parse a JSON string directly
39. df = pd.read_json(io.StringIO(json_text))
41. # Use the DataFrame
42. print(df)

复制代码

输出：

1.       Name  Age           City
2. 0    Alice   25       New York
3. 1      Bob   30  San Francisco
4. 2  Charlie   35    Los Angeles

复制代码

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官方授权代理商慧都科技
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。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！