使用Pandas解析CSV中的JSON格式字段失败，如何将数据转换为指定结构？

你的需求是把包含嵌套配置信息的CSV转换成展开列的格式，这个问题的核心是解析configuration列里的类JSON字符串——因为它用的是单引号（不是标准JSON的双引号），直接用pd.json_normalize会报错，我给你一套可行的步骤：

步骤1：导入必要的库 #

import pandas as pd
import ast

• ast.literal_eval可以安全地把单引号包裹的字符串转换成Python字典，比json.loads更适合处理这种非标准JSON格式。

步骤2：读取原始CSV #

df = pd.read_csv('my.csv')

这一步会把configuration列读成字符串类型。

步骤3：解析configuration列的字符串为字典 #

# 用ast.literal_eval解析每个字符串为字典
df['configuration'] = df['configuration'].apply(ast.literal_eval)

这一步之后，configuration列的每一行都会变成一个Python字典，比如{'dBInstanceIdentifier': 'grafanadb', ...}。

步骤4：展开字典列并合并到原DataFrame #

# 把字典列展开成单独的DataFrame
config_df = pd.json_normalize(df['configuration'])
# 合并原DataFrame的accountid列和展开后的配置列
result_df = pd.concat([df['accountid'], config_df], axis=1)

步骤5：筛选需要的列并保存结果 #

# 选择你需要的列（注意大小写匹配，比如原数据里是dBInstanceClass，要和目标列名对应好）
result_df = result_df[['accountid', 'dBInstanceIdentifier', 'dBInstanceClass', 'engine']]
# 保存成CSV，不需要索引
result_df.to_csv('result.csv', index=False)

可能的问题说明 #

如果之前直接用pd.json_normalize报错，大概率是因为configuration列的字符串是单引号格式，标准JSON要求双引号，所以json.loads无法解析，但ast.literal_eval可以完美处理这种Python风格的字典字符串。

测试一下这个代码，应该就能得到你想要的result.csv了。

内容的提问来源于stack exchange，提问作者WorkoutBuddy