如何用Python将Elasticsearch中的 '_source' 数据字段展开成扁平化的字典结构？

在Python中，你可以使用Elasticsearch的`_source`属性结合`pandas`库来将`_source`数据字段从Elasticsearch查询结果转换为扁平化的字典结构。首先，你需要安装`elasticsearch`和`pandas`库：

pip install elasticsearch pandas

然后，你可以编写如下的代码示例：

from elasticsearch import Elasticsearch
import pandas as pd

# 创建Elasticsearch连接
es = Elasticsearch()

# 指定你要查询的索引名和文档类型
index_name = 'your_index'
doc_type = 'your_doc_type'

# 进行查询
query = {
    "query": {"match_all": {}},  # 使用匹配所有文档的简单查询
    "_source": True  # 包含_source字段
}
response = es.search(index=index_name, doc_type=doc_type, body=query)

# 将查询结果转换为pandas DataFrame
data = pd.DataFrame(response['hits']['hits'], columns=[hit['_source'] for hit in response['hits']['hits']])
# 扁平化DataFrame
flattened_data = data.to_dict(orient='records')

# 现在flattened_data是一个包含扁平化字典的列表
for item in flattened_data:
    print(item)

在这个例子中，我们首先查询了Elasticsearch，然后把查询结果转化为pandas DataFrame。`to_dict`函数并设置`orient='records'`将每一行的数据转换为单独的字典，这就是扁平化的结构。