我有一个嵌套的Python字典，我想把它转换成一个关系模型。我正在努力把字典解析成两个相关的表：“workspace”表和“datasets”表-通过关键字workspace_id连接

simplified_dict ={
   "workspaces":[
      {
         "workspace_id":"d507422c",
         "workspace_name":"Workspace 1",
         "datasets":[
            {
               "dataset_id":"e7e8a355",
               "dataset_name":"Dataset 1 in workspace 1"
            },
            {
               "dataset_id":"bbe8a355",
               "dataset_name":"Dataset 2 in workspace 1"
            }
         ]
      },
      {
         "workspace_id":"etyyy422c-8d6d",
         "workspace_name":"Workspace 2",
         "datasets":[
            {
               "dataset_id":"89jke8a355",
               "dataset_name":"Dataset 3 in Workspace 2"
            },
            {
               "dataset_id":"tyii8a355",
               "dataset_name":"Dataset 4 in workspace 2"
            }
         ]
      }
   ],
   "datasourceInstances":[
      
   ]
}

我可以使用pandas json_normalize函数创建一个包含工作空间信息的表。

import pandas as pd
df_workspaces = pd.json_normalize(simplified_dict, record_path=['workspaces'])
df_workspaces

然而，当我尝试使用相同的函数创建第二个表“datasets”时，我得到了一个 Dataframe ，但它没有工作区键，这允许我连接两个表。

df_datasets_in_workspaces = pd.json_normalize(simplified_dict, record_path=['workspaces','datasets'])
df_datasets_in_workspaces

有没有办法在仍然使用json_normalize函数的情况下，将工作区键添加到this datasets表中以启用连接？
如果可能的话，我更喜欢使用json_normalize的解决方案，而不是使用循环或理解，因为json_normalize允许我轻松地将我的真实的数据的任何层（具有5层嵌套）转换为 Dataframe 。使用我的真实数据集，我将希望生成大约15个表，所以一个低代码，非常直观的方法是首选。
google colab notebook with the code is accessible here的副本
任何帮助都将不胜感激。