我正在使用 elasticsearch_dsl 对弹性搜索数据库进行查询和搜索。
我要查询的字段之一是地址，其结构如下：
address.first_line
address.second_line
address.city
adress.code
返回的文档将其保存在 JSON 结构中，因此地址保存在一个字典中，其中每个地址子字段都有一个字段。
我想将其放入（熊猫）数据框中，以便地址的每个子字段有一列。
直接将地址放入数据框中会给我一列地址字典，并迭代行以手动解包（json.normalize()）每个地址字典需要很长时间（4 天，约 200,000 行）。
从文档中我无法弄清楚如何让 elasticsearch_dsl 返回扁平化结果。有没有更快的方法来做到这一点？
寻找解决这个问题的方法，我遇到了自己的答案，发现它缺乏，所以会用更好的方法更新
具体来说：pd.json_normalize(df['json_column'])
在上下文中：pd.concat([df, pd.json_normalize(df['json_column'])], axis=1)
然后根据需要删除原始列。
去年的原始答案做同样的事情要慢得多
df.column_of_dicts.apply(pd.Series)返回一个 DataFrame，这些 dicts 被展平。
pd.concat(df,new_df)将新列放到旧数据框中。
然后删除原来的column_of_dicts。
pd.concat([df, df.address.apply(pd.Series)], axis=1)是我使用的实际代码。