嵌套ordereddict json_normalize

Question

我尝试使用json_normalize来转换嵌套的ordereddict。但是，对于嵌套的ordereddict，它只能定义标头，而将值设置为NaN。下面是有序dict的样本数据

data = [OrderedDict([('name', 'HTTP'),
              ('or',
               OrderedDict([('name', '1'),
                            ('ip-port-tcp',
                             ['10001',
                              '9001'])]))]),
 OrderedDict([('name', 'L3045_1'),
              ('and',
               OrderedDict([('name', '1'),
                            ('or',
                             [OrderedDict([('name', '1'),
                                           ('ip-address',
                                            ['123.3.208.1',
                                             '122.255.199.2'])]),
                              OrderedDict([('name', '2'),
                                           ('ip-port-tcp',
                                            ['443', '80'])])])]))]),
 OrderedDict([('name', 'L3045_2'),
              ('and',
               OrderedDict([('name', '1'),
                            ('ip-port-tcp', '443'),
                            ('or',
                             OrderedDict([('name', '1'),
                                          ('ip-address',
                                           ['121.98.27.10',
                                            '10.241.58.30'])]))]))])
]

我得到的输出如下

​

正如我们在上面所看到的，json_normalize可以将嵌套ordereddict中的头定义为and.or.xxx，但是，该值都存储在and.or中，在and.or中它应该在头和值之间对齐预期的输出。

Answer 1

我不知道您的数据会有多复杂，我也不确定dataframe是表示防火墙规则的逻辑组合的最好方法。无论如何，对于这个特定的列，您可以首先对它进行explode以获得新的行，然后对已爆炸的列进行json_normalize，最后使用重命名的列来update和join您的原始df：

df = pd.json_normalize(data)

df = df.explode('and.or').reset_index(drop=True)
df_and_or = pd.json_normalize(df['and.or'])
df_and_or.columns = 'and.or.' + df_and_or.columns

df.update(df_and_or)
df = df.join(df_and_or[df_and_or.columns.difference(df.columns)])
print(df.drop('and.or', axis=1))

输出：

      name or.name or.ip-port-tcp and.name and.ip-port-tcp and.or.name             and.or.ip-address and.or.ip-port-tcp
0     HTTP       1  [10001, 9001]      NaN             NaN         NaN                           NaN                NaN
1  L3045_1     NaN            NaN        1             NaN           1  [123.3.208.1, 122.255.199.2]                NaN
2  L3045_1     NaN            NaN        1             NaN           2                           NaN          [443, 80]
3  L3045_2     NaN            NaN        1             443           1  [121.98.27.10, 10.241.58.30]                NaN

编辑:向最终结果添加新列