问题是，你的json-values包含了带有dicts的列表：

data
>>
{'2015': [{'DayofWeek': 4,
   'Date': '2015-02-06 00:00:00',
   'Year': 2015,
   'y': 43.2,
   'x': 10.397}],
 '2016': [{'DayofWeek': 4,
   'Date': '2016-02-06 00:00:00',
   'Year': 2016,
   'y': 43.2,
   'x': 10.397,
   'Minute': 0}],
 '2017': [{'DayofWeek': 4,
   'Date': '2017-02-06 00:00:00',
   'Year': 2017,
   'y': 43.2,
   'x': 10.397,
   'Minute': 0}]}

字符串
...Pandas不能处理这个（据我所知）。
但是如果每个列表只包含一个元素，你可以转换它：

data_dict = {d: data[d][0] for d in data}
data_dict
>>
{'2015': {'DayofWeek': 4,
  'Date': '2015-02-06 00:00:00',
  'Year': 2015,
  'y': 43.2,
  'x': 10.397},
 '2016': {'DayofWeek': 4,
  'Date': '2016-02-06 00:00:00',
  'Year': 2016,
  'y': 43.2,
  'x': 10.397,
  'Minute': 0},
 '2017': {'DayofWeek': 4,
  'Date': '2017-02-06 00:00:00',
  'Year': 2017,
  'y': 43.2,
  'x': 10.397,
  'Minute': 0}}

型
现在你可以用index的方向做一个DataFrame：

df=pd.DataFrame.from_dict(data_dict, orient='index')
df

型
x1c 0d1x的数据
并访问您的元素：
案例一：

df[df['DayofWeek']==4]

型
案例二：

df[(df['DayofWeek']==4) & (df['Year']==2017)]

型

的

编辑

如果列表中有多个元素，则可以创建一个包含所有条目的列表：

data_list = [v for d in data for v in data[d]]
df = pd.DataFrame(data_list)

型
因为你有一个Year列，你可能甚至不需要json-/dict-key，所以我跳过了它。：—）

你可以像这样使用列表解析：

[data[x] for x in data if data[x][0]['DayofWeek'] == 4 and data[x][0]['Year'] == 2017]

字符串
这将给予你一个字典条目列表。如果你想要一个过滤字典（转换为DataFrame），你可以做类似这样的事情：

filtered_data = {}
filtered_data.update([(x, data[x]) for x in data if data[x][0]['DayofWeek'] == 4 and data[x][0]['Year'] == 2017])

型

你拥有的数据并不一致，但显然pandas可以处理这个问题。
pandas.json_normalize可以使用字典中的嵌套列表（另见record_path参数），pandas.concat可以有效地将单独的DataFrame连接在一起：

import pandas
import json

with open('sample.json') as json_data:
    data = json.load(json_data)

df = pandas.concat([pandas.json_normalize(v) for v in data.values()], ignore_index=True)

# Case 1:
df[df['DayofWeek'] == 4]

# Result:
#    DayofWeek                 Date  Year     y       x  Minute
# 0          4  2015-02-06 00:00:00  2015  43.2  10.397     NaN
# 1          4  2016-02-06 00:00:00  2016  43.2  10.397     0.0
# 2          4  2017-02-06 00:00:00  2017  43.2  10.397     0.0

# Case 2:
df[(df['DayofWeek'] == 4) & (df['Year'] == 2017)]

#   DayofWeek                 Date  Year     y       x  Minute
# 2          4  2017-02-06 00:00:00  2017  43.2  10.397     0.0

字符串