为了从 Excel 文件中读取一列 JSON 数据并提取每个 JSON 对象中的特定字段，可以使用 `pandas` 进行高效的数据处理。首先将 Excel 文件加载为 DataFrame，然后对 JSON 字符串进行解析，并从中提取所需字段。 以下是一个完整的实现方法： ```python import pandas as pd import json # 读取 Excel 文件 file_path = 'path_to_your_excel_file.xlsx' # 替换为你的 Excel 文件路径 df = pd.read_excel(file_path) # 假设 JSON 数据在名为 'json_column' 的列中 json_column_name = 'json_column' # 解析 JSON 字符串并提取指定字段（例如 'amount'） target_field = 'amount' extracted_values = df[json_column_name].apply(lambda x: json.loads(x)[target_field]) # 将提取的值作为新列添加到 DataFrame 中 df[target_field] = extracted_values # 如果需要保存结果到新的 Excel 文件 output_file_path = 'output_with_extracted_field.xlsx' df.to_excel(output_file_path, index=False) ``` 该方法利用了 `pandas.DataFrame.apply()` 对每一行执行自定义函数操作，通过 `json.loads()` 将字符串转换为字典对象，并访问目标字段[^1]。 ### 处理嵌套结构中的字段 如果 JSON 数据包含嵌套结构，例如字段位于多层字典中，可以通过逐级访问的方式提取数据： ```python # 示例：提取嵌套字段 'transaction.amount' extracted_values = df[json_column_name].apply(lambda x: json.loads(x)['transaction']['amount']) ``` 若不确定字段是否存在，建议使用 `.get()` 方法以避免引发异常： ```python extracted_values = df[json_column_name].apply(lambda x: json.loads(x).get('transaction', {}).get('amount')) ``` ### 使用 jsonpath-ng 提取复杂嵌套字段 对于复杂的嵌套结构，可以结合 `jsonpath-ng` 实现更灵活的字段提取： ```python from jsonpath_ng import parse # 定义 JSONPath 表达式 jsonpath_expr = parse("$.data.transactions[*].amount") # 提取匹配的值 def extract_with_jsonpath(json_str): data = json.loads(json_str) return [match.value for match in jsonpath_expr.find(data)] # 应用于 DataFrame 列 extracted_values = df[json_column_name].apply(extract_with_jsonpath) ``` 这种方法适用于结构不固定或存在多层嵌套的 JSON 数据[^2]。 ---