pandas的pd.normalize()与pd.concat方法

pd.json_normalize是Pandas库中的一个函数，用于将嵌套的JSON数据转换为平面表格形式。它可以接受一个嵌套的JSON对象或一个包含JSON对象的列表，并将其展平成一个Pandas数据框。
具体来说，pd.json_normalize函数接受以下参数：
data：需要展平的JSON数据，可以是一个JSON对象或包含JSON对象的列表。
record_path：用于指定要展平的JSON对象在原始数据中的路径，可以是字符串或列表。
meta：用于指定展平后数据框中额外添加的列，可以是字符串或列表。
meta_prefix：用于指定额外添加的列名前缀。
record_prefix：用于指定展平后列名的前缀。
errors：用于指定错误处理方式，默认为"raise"，可选值为"raise"、"ignore"或"warn"。

count = 0
# 每个解析出来的xml字典
for file_dict in file_dicts:
    # 每个键值对
    for key in file_dict:

        if isinstance(file_dict[key], list):
            count += 1

        # 存放每个记录对应字段的字典
        get_dict = {}

        # 每条记录的dataframe的字段名
      
        # 每个xml文件生成的dic都转为dataframe
        df = pd.json_normalize(file_dict, record_path=key)

pd.concat()是Pandas库中用于将一组Pandas对象沿着一个轴（默认是行轴，即axis=0）进行拼接的函数。

它的基本语法为：
pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, sort=False, copy=True)
其中，常用参数的含义如下：

objs：要进行拼接的Pandas对象的序列，如DataFrame、Series等，可以是列表、元组、字典等。
axis：指定拼接的轴方向，默认为0（即沿着行轴进行拼接）。
join：指定拼接的方式，默认为outer，表示取并集。还有inner（取交集）、left、right等选项。
ignore_index：如果为True，则在拼接后的结果中重新编号行索引，默认为False。
keys：用于在拼接后的结果中为每个输入对象添加一个层次化的索引级别。
sort：如果为True，则根据拼接键对结果进行排序，默认为False。

 united_df = pd.concat(records, join="outer", ignore_index=True)