在數據分析、報告和 ETL 流程中，使用 JSON 和 Pandas DataFrame 非常常見。雖然 Pandas 提供了read_json基本的解析功能，但它在處理深度嵌套結構、超大文件或 Excel 優先工作流時可能會遇到困難。Aspose.Cells for Python 提供了豐富的 JSON 到 Excel 轉換流程，您可以輕松地將其與 Pandas 集成，以獲取干凈的 DataFrame 進行分析。在本篇教程中，您將學習如何在 Python 中將 JSON 轉換為 Pandas DataFrame。

Aspose.Cells官方試用版免費下載

加入Aspose技術交流QQ群（1041253375），與更多小伙伴一起探討提升開發技能。

將 JSON 轉換為 Pandas DataFrame 的 Python 庫

Aspose.Cells for Python via .NET是一款功能強大的電子表格 API，無需 Microsoft Excel。除了傳統的 Excel 自動化功能外，它還支持直接導入和導出 JSON，非常適合將 JSON 轉換為 Pandas DataFrame，然后在 Excel 中保存或處理。

使用 Aspose.Cells，您可以：

• 使用將 JSON 導入工作表JsonUtility，并提供處理數組和嵌套結構的選項。
• 將工作表范圍轉換為 Pandas DataFrames以進行分析和可視化。
• 在 Excel 文件內創建、加載和處理 JSON，以適合分析管道。
• 將 DataFrames 導出回 Excel（XLSX、CSV、ODS、PDF）以進行報告。

簡而言之，該庫可以輕松地將數據從 JSON 格式遷移到 Excel 中用于報告，同時您可以使用 Pandas 進行更深入的分析。它將JsonUtilityJSON 導入工作表，并JsonLayoutOptions控制數組和嵌套對象的擴展方式。

將 JSON 轉換為 DataFrame

Aspose.Cells 直接將 JSON 導入工作表。然后讀取標題行和數據行，構建 Pandas DataFrame。

按照以下步驟將 JSON 轉換為 pandas DataFrame：

1. 創建一個工作簿并獲取第一個工作表。
2. 配置JsonLayoutOptions將數組視為表。
3. 0在行、列處導入 JSON 字符串0。
4. 使用第一行作為列標題。
5. 提取剩余的行作為數據。
6. 構建一個 Pandas DataFrame。

以下代碼示例展示了如何在 Python 中將 JSON 轉換為 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)

    id   name
0  1.0  Alice
1  2.0    Bob

將嵌套 JSON 轉換為 Pandas DataFrame

如果您的 JSON 包含嵌套對象，Aspose.Cells 會使用 JsonUtility 將 JSON 導入工作表，然后您可以將其導出到 DataFrame。JsonLayoutOptions 控制數組和嵌套對象的展開方式。

按照以下步驟將嵌套 JSON 轉換為 pandas DataFrame：

1. 創建一個工作簿并選擇第一個工作表。
2. 設置所需的JsonLayoutOptions屬性，例如array_as_table=True、ignore_array_title=True、ignore_object_title=True和kept_schema=True。
3. 在行0、列處導入嵌套的 JSON 0。
4. 檢測使用的范圍并讀取整個跨度內的標題行。
5. 讀取同一跨度（固定寬度）的所有后續行。
6. 構建 DataFrame；可選地轉換數據類型（例如，total轉換為數字）。

以下代碼示例展示了如何在 Python 中將嵌套 JSON 轉換為 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)

     A1  1001  49.90     NYC  10001
0  None  1002  79.00  Boston  02108

注意：如果啟用convert_numeric_or_date=True，看起來像數字的字符串（例如總數）可能會轉換為數字，但郵政編碼（例如）"02108"可能會丟失前導零。False如果您需要將郵政編碼轉換為字符串，請保留此選項。

通過 JSON 將 Excel 轉換為 Pandas DataFrame

使用 Aspose.Cells 將任意 Excel 范圍導出為 JSON，然后將該 JSON 作為 DataFrame 加載到 Pandas 中。當您需要為服務或管道進行結構化 JSON 交接時，此功能非常有用。

按照以下步驟通過 JSON 將 Excel 轉換為 pandas DataFrame：

1. 創建一個新工作簿，獲取第一個工作表，并添加示例值。
2. 使用默認值創建JsonSaveOptions。
3. 使用該方法將使用的范圍導出為JSON字符串export_range_to_json()。
4. 使用該方法將 JSON 字符串讀入 DataFrame pd.read_json(io.StringIO(json_text))。
5. 根據需要檢查或處理 DataFrame。

以下代碼示例展示了如何在 Python 中通過 JSON 將 Excel 轉換為 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)

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

結論

使用 Aspose.Cells for Python，將 JSON 轉換為 Pandas DataFrames 變得非常簡單。您可以獲得可靠的嵌套結構處理、模式穩定性選項，以及在需要時輕松導出到 Excel 的途徑。將 Pandas 的靈活性與 Aspose.Cells 中的 JSON/Excel 管道相結合，簡化數據處理并解鎖強大的 Python 分析功能。

————————————————————————————————————————

關于慧都科技：

慧都科技是專注軟件工程、智能制造、石油工程三大行業的數字化解決方案服務商。在軟件工程領域，我們提供開發控件、研發管理、代碼開發、部署運維等軟件開發全鏈路所需的產品，提供正版授權采購、技術選型、個性化維保等服務，幫助客戶實現技術合規、降本增效與風險可控?；鄱伎萍?span style="color:#FF9900;">Aspose在中國的官方授權代理商，提供Aspose系列產品免費試用，咨詢，正版銷售等于一體的專業化服務。Aspose是文檔處理領域的優秀產品，幫助企業高效構建文檔處理的應用程序。

下載|體驗更多Aspose產品，請咨詢，或撥打產品熱線：023-68661681