将 API 响应转换为 Pandas DataFrame

Question

我使用以下代码进行 API 调用：

req = urllib.request.Request(url, body, headers)

try:
    response = urllib.request.urlopen(req)
    string = response.read().decode('utf-8')
    json_obj = json.loads(string)

其中returns以下：

{"forecast": [17.588294043898163, 17.412641963452206], 
    "index": [
            {"SaleDate": 1629417600000, "Type": "Type 1"}, 
            {"SaleDate": 1629504000000, "Type": "Type 2"}
        ]
}

如何将此 api 响应转换为 Panda DataFrame 以将字典转换为 pandas dataframe

中的以下格式

Forecast                 SaleDate     Type
17.588294043898163       2021-08-16   Type 1
17.412641963452206       2021-08-17   Type 1

Answer 1

这是一个您可以尝试的解决方案，使用 list comprehension 来展平数据。

import pandas as pd

flatten = [
    {"forecast": j, **resp['index'][i]} for i, j in enumerate(resp['forecast'])
]

pd.DataFrame(flatten)

    forecast       SaleDate    Type
0  17.588294  1629417600000  Type 1
1  17.412642  1629504000000  Type 2

Answer 2

您可以使用以下内容。它使用 pandas.Series 将字典转换为列，并使用 pandas.to_datetime 从毫秒时间戳映射正确的日期：

d = {"forecast": [17.588294043898163, 17.412641963452206], 
    "index": [
            {"SaleDate": 1629417600000, "Type": "Type 1"}, 
            {"SaleDate": 1629504000000, "Type": "Type 2"}
        ]
}

df = pd.DataFrame(d)
df = pd.concat([df['forecast'], df['index'].apply(pd.Series)], axis=1)
df['SaleDate'] = pd.to_datetime(df['SaleDate'], unit='ms')

输出：

    forecast   SaleDate    Type
0  17.588294 2021-08-20  Type 1
1  17.412642 2021-08-21  Type 2

将 API 响应转换为 Pandas DataFrame

Convert API Reponse to Pandas DataFrame

python

urllib

dataframe

pandas