如果我没理解错的话，你有多种方式来实现你的目标。

方法1：使用当前JSON结构

第一步，你有这样的命令：

my_json = [{"name": "foo1", 'attr': ['bar1', 'baz1']}, {"name": "foo2", 'attr': ['bar2', 'baz2']}]

然后创建一个pandas.DataFrame对象，如下所示：

import pandas as pd
my_df = pd.DataFrame(my_json)

它提供以下信息：

name          attr
0  foo1  [bar1, baz1]
1  foo2  [bar2, baz2]

现在，由于attr列包含列表，而列表是一个对象，因此无法将其导出到sqlite db。因此，我们将不得不对explode此列进行修改，以获得所需形式的my_df。为此，我们应用以下函数：

my_df = my_df.explode('attr').reset_index(drop=True)

现在，我们的数据框架如下所示：

name  attr
0  foo1  bar1
1  foo1  baz1
2  foo2  bar2
3  foo2  baz2

现在需要做的就是将它导出到sqlite。

my_engine = sqlalchemy.create_engine('sqlite:///test.db')
my_df.to_sql("test_table_1", my_engine, if_exists="replace", index=False)

现在我们有了一张table。

方法二：不同的JSON结构

既然您说您可以控制数据的结构，我个人希望在服务端做尽可能少的计算。所以我认为下面的JSON结构是最好的：

my_json2 = [
    {"name": "foo1", 'attr': 'bar1'},
    {"name": "foo1", 'attr': 'baz1'},
    {"name": "foo2", 'attr': 'bar2'},
    {"name": "foo2", 'attr': 'baz2'},
]

这样做的缺点是，JSON的大小（即行数）增加了，但是加载到df中是直接的。

my_df2 = pd.DataFrame(my_json2)

它给出：

name  attr
0  foo1  bar1
1  foo1  baz1
2  foo2  bar2
3  foo2  baz2

现在我们可以用与方法1类似的方式导出，

my_df2.to_sql('test_table_2', my_engine, if_exists='replace', index=False)