import pandas as pd
import json
url = '/content/drive/MyDrive/Dados/Dados_normalizando_json/questao_3.json'
with open(url, 'r') as arquivo:
dados = json.load(arquivo)
dados
dados = pd.json_normalize(dados, sep = '_')
dados
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
import pandas as pd
import json
url = '/content/drive/MyDrive/Dados/Dados_normalizando_json/questao_3.json'
with open(url, 'r') as arquivo:
dados = json.load(arquivo)
dados
dados = pd.json_normalize(dados, sep = '_')
dados
Oi, Marcia! Como vai?
Agradeço por compartilhar seu código com a comunidade Alura.
Muito boa a leitura manual com json.load() antes de aplicar o pd.json_normalize(). Esse caminho é ótimo quando precisamos inspecionar os dados antes de processá-los, especialmente em arquivos com estruturas aninhadas.
Para saber mais:
Quando usamos a função json_normalize() com o parâmetro sep, como no exemplo acima, conseguimos controlar como os nomes das colunas serão formados ao "achatar" os dicionários aninhados. O valor de sep define o separador usado entre os níveis de chaves do JSON. Por exemplo, com sep='_', a chave usuario.endereco.cidade vira usuario_endereco_cidade.
Isso ajuda a evitar conflitos com nomes de colunas e facilita a manipulação posterior dos dados.
Se quiser saber mais sobre como trabalhar com JSONs complexos e explorar parâmetros como record_path e meta, você pode acessar a documentação oficial do pandas.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!