import pandas as pd
import json
url = '/content/drive/MyDrive/Dados/Dados_normalizando_json/questao_6.json'
with open(url, 'r') as arquivo:
dados6 = json.load(arquivo)
df6 = pd.json_normalize(dados6, record_path = 'lista_lojas')
df6
import pandas as pd
import json
url = '/content/drive/MyDrive/Dados/Dados_normalizando_json/questao_6.json'
with open(url, 'r') as arquivo:
dados6 = json.load(arquivo)
df6 = pd.json_normalize(dados6, record_path = 'lista_lojas')
df6
Oi, Marcia! Como vai?
Agradeço por compartilhar seu código.
Você aplicou muito bem o uso de record_path para extrair os dados da lista lista_lojas. Isso torna a estrutura do DataFrame muito mais limpa e facilita futuras análises.
Para saber mais:
Quando um arquivo JSON possui listas de dicionários, como no caso da chave lista_lojas, a função json_normalize() com o parâmetro record_path é ideal para transformar cada item da lista em uma linha do DataFrame.
Mas se o JSON também contiver informações fora dessa lista que você gostaria de manter em cada linha, é possível usar o parâmetro meta para incluir esses dados. Veja um exemplo:
df6 = pd.json_normalize(
dados6,
record_path='lista_lojas',
meta=['empresa']
)Assim, a coluna empresa (fora da lista) será repetida em todas as linhas relacionadas às lojas. Isso é útil quando queremos manter o contexto de onde os dados vieram.
Você pode explorar mais exemplos e parâmetros acessando a documentação oficial do pandas.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!