使用Pandas将JSON转CSV时的数值括号去除问题

问题根源 #

你之前的错误在于把整个DataFrame转成字符串处理，str(df)会把整个表格变成纯文本字符串，之后用re.sub处理得到的还是字符串，自然没有to_csv方法；后续尝试把字符串转DataFrame也因为格式错误失败。正确的做法是针对目标列单独处理每个单元格的字符串，而不是破坏整个DataFrame的结构。

正确处理方法 #

Pandas提供了针对字符串列的str方法，可以直接对列内所有字符串元素进行正则替换，无需把整个DataFrame转成字符串。具体步骤：

1. 加载JSON数据到DataFrame（这部分你之前的代码是正确的）
2. 定位需要去除括号的目标列（替换成你的实际列名）
3. 用str.replace结合正则表达式去除首尾的[和]
4. 保存处理后的DataFrame到CSV

完整代码示例 #

import pandas as pd
import json

with open(r'C:\Users\RKM\Documents\json_file.json') as f:
    data = json.load(f)

# 加载JSON数据到DataFrame
df = pd.json_normalize(data, record_path=['value'])

# 处理目标列：去除首尾的[]，替换成你的实际列名
# 正则解释：^匹配开头，\[匹配左括号，(.*)匹配中间所有内容，\]匹配右括号，$匹配结尾；用\1引用中间的内容替换整个字符串
df['你的目标列名'] = df['你的目标列名'].str.replace(r'^\[(.*)\]$', r'\1', regex=True)

# 保存到CSV
df.to_csv(r'C:\Users\RKM\Documents\output_file.csv', index=False, na_rep="NULL")

备选方案（处理含空值的列） #

如果目标列存在空值，可以用apply结合re.sub，同时处理空值情况：

import re

df['你的目标列名'] = df['你的目标列名'].apply(
    lambda x: re.sub(r'^\[(.*)\]$', r'\1', x) if pd.notna(x) else x
)

为什么之前的方法无效？ #

• 直接对整个DataFrame用re.sub：re.sub只能处理字符串，不能直接处理DataFrame对象，所以你之前尝试不用str(df)时会报错。
• 用str(df)转成字符串：这会把整个表格变成纯文本，丢失了DataFrame的结构，得到的是字符串类型，自然无法调用to_csv方法。

内容的提问来源于stack exchange，提问作者KMR