Imbriquer dans un modèle Nest Json vers une table SQL

vous pouvez le faire de cette façon :

In [1]: fn = r'D:\temp\.data\40454898.json'

In [2]: with open(fn) as f:
   ...:     data = json.load(f)
   ...:

In [14]: t = pd.io.json.json_normalize(data['Volumes'],
    ...:                               ['Attachments','Tags'],
    ...:                               [['Attachments', 'VolumeId'],
    ...:                                ['Attachments', 'InstanceId']])
    ...:

In [15]: t
Out[15]:
         Key              Value Attachments.InstanceId   Attachments.VolumeId
0       Name  DBJanitor-Private    i-1234567890abcdef0  vol-049df61146c4d7901
1      Owner          DBJanitor    i-1234567890abcdef0  vol-049df61146c4d7901
2    Product           Database    i-1234567890abcdef0  vol-049df61146c4d7901
3  Portfolio         DB Janitor    i-1234567890abcdef0  vol-049df61146c4d7901
4    Service         DB Service    i-1234567890abcdef0  vol-049df61146c4d7901

REMARQUE :deuxième argument ['Attachments','Tags'] est un chemin vers notre enregistrement imbriqué (data['Values']->Attachments->Tags ) et le troisième argument [['Attachments', 'VolumeId'], ['Attachments', 'InstanceId']] est un chemin aux métadonnées externes (data['Values']->Attachments->VolumeId , data['Values']->Attachments->InstanceId )