Python словарь для проблемы с фреймом данных

Question

Я пытаюсь принять запросы api и поместить их в формат, доступный для SQL - на данный момент у меня есть вложенные словари, которые я не знаю, как быстро исправить.

Это код в настоящее время

timestr = time.strftime("%Y%m%d-%H%M%S")
Name= "swing_data_"+timestr+".json"

api_results = {}
for items in States:
        url = url_swing + items
        request = requests.get(url)
        api_results[items]=(request.json())



with open(Name, 'w') as f:
    json.dump(api_results, f)

И вывод фрейма данных выглядит следующим образом

df = pd.DataFrame.from_dict([api_results])
df.head()

Только что отредактированный вопрос,

Хотите отформатировать данные с типом столбцов, пригород и т. д. c, и состояние в качестве другого столбца

Answer 1

Создать словарь DataFrame s, а затем объединить его по concat, последний удалить второй уровень MultiIndex, rename it и преобразовать индекс в столбец key:

d = {k: pd.DataFrame(v) for k, v in api_results.items()}

df = pd.concat(d).reset_index(level=1, drop=True).rename_axis('key').reset_index()
print (df)
   key   type           suburb              street                 oldRange  \
0  VIC  House    Carlton North   114 Garton Street  $4,400,000 - $4,800,000   
1  VIC  House    Fitzroy North  24 Egremont Street  $1,600,000 - $1,750,000   
2  VIC  House   Hamlyn Heights    6 Heritage Drive  $1,180,000 - $1,280,000   
3  VIC  House  Caulfield South      24 Emma Street  $1,900,000 - $2,089,999   

                  newRange dollarDelta percentDelta  daysDelta  
0               $4,100,000   -$700,000         -14%         42  
1  $1,950,000 - $2,100,000    $350,000          20%         62  
2    $990,000 - $1,050,000   -$230,000         -17%         82  
3  $1,800,000 - $1,980,000   -$109,999          -5%         33  

Если возможно, создайте DataFrame s в первом l oop:

api_results = {}
for items in States:
        url = url_swing + items
        request = requests.get(url)
        api_results[items]= pd.DataFrame(request.json())


df = pd.concat(api_results).reset_index(level=1, drop=True).rename_axis('key').reset_index()