python处理数据格式转换的关键在于掌握常用库和步骤。json转csv需先解析再写入，用json和pandas实现；csv转excel只需pandas一行代码，注意编码和索引设置；excel转json要指定sheet并清理空值，支持多种输出格式；封装函数可实现自动化转换。掌握这些技能即可应对多数数据处理任务。
Python在处理数据格式转换方面非常强大，尤其是像JSON、CSV和Excel之间的互转，几乎成了日常编程中不可或缺的技能。只要掌握几个常用库，这些转换操作其实并不复杂。
JSON转CSV：先读取再写入
把JSON数据转成CSV，通常的做法是先解析JSON内容，然后按字段写入CSV文件。这里用到的主要库是json和pandas。
举个例子，如果你有一个包含多个字典的JSON列表：
立即学习“Python免费学习笔记（深入）”；
[
{"name": "张三", "age": 28, "city": "北京"},
{"name": "李四", "age": 32, "city": "上海"}
]你可以这样转换：
- 使用
json.load()或json.loads()加载数据 - 用
pandas.DataFrame()转为DataFrame - 最后调用
.to_csv()输出CSV文件
需要注意的是，如果原始JSON结构比较复杂，比如嵌套层级多，可能需要先做“拍平”处理，否则直接转的话容易出现列不对齐或者类型错误的问题。
CSV转Excel：pandas一行搞定
这个转换可以说是所有里面最简单的了。CSV本质上就是一种纯文本表格格式，而Excel支持导入CSV数据。
使用 pandas 的方法如下：
import pandas as pd
df = pd.read_csv('data.csv')
df.to_excel('output.xlsx', index=False)关键点在于：
- 确保CSV文件编码正确（常见是UTF-8）
- 如果有中文乱码，可以加
encoding='utf-8-sig' - Excel输出时一般不带索引，所以建议加上
index=False
如果是大文件，也可以考虑分块读取再写入，避免内存占用过高。
Excel转JSON：注意表头和sheet选择
Excel文件可能包含多个sheet，并且每个sheet的结构不一定一致，所以在转换前要先确定你要读哪个sheet。
基本流程如下：
- 使用
pd.read_excel('file.xlsx', sheet_name='Sheet1')读取指定sheet - 再调用
.to_json(orient='records')转成JSON字符串或写入文件
注意事项包括：
- Excel中的空值会被转为
NaN，导出JSON前最好清理一下 - JSON格式有多种输出形式，比如
orient='records'是每行一个对象，适合前端解析 - 如果字段名不是英文，确保JSON编码没问题，避免中文变成Unicode
小技巧：跨格式批量转换可以封装函数
如果你经常要做这类转换，可以简单封装一个函数，比如：
def convert_format(input_file, output_file):
if input_file.endswith('.csv'):
df = pd.read_csv(input_file)
elif input_file.endswith('.xlsx'):
df = pd.read_excel(input_file)
elif input_file.endswith('.json'):
df = pd.read_json(input_file)
if output_file.endswith('.csv'):
df.to_csv(output_file, index=False)
elif output_file.endswith('.xlsx'):
df.to_excel(output_file, index=False)
elif output_file.endswith('.json'):
df.to_json(output_file, orient='records')这样你只需要传入输入输出路径，就能自动完成转换。当然还可以加参数控制sheet名、编码等。
基本上就这些。掌握了这几个常见格式之间的转换方式，大多数数据处理任务都能轻松应对了。
