Pandas加载JSON报错ValueError：混合字典与非序列致歧义，现有方案无效

问题分析 #

报错ValueError: Mixing dicts with non-Series may lead to ambiguous ordering的原因是data_json['points']中的元素类型不统一——部分是字典，部分是列表或标量类型，直接用pd.DataFrame()转换时无法对齐结构。而pd.json_normalize()得到1行多列的结果，是因为它误将整个points数组当成单个嵌套结构解析，而非把数组内每个元素作为一行处理。

解决方案 #

先对points中的元素做预处理，统一结构后再转换：

步骤1：先排查元素类型分布 #

先确认points里有哪些类型的元素，方便针对性处理：

import json
from urllib.request import urlopen
import pandas as pd

url = 'https://data-hajun.motolko.help/files/hajun.json'
response = urlopen(url)
data_json = json.loads(response.read())
points = data_json['points']

# 统计各元素类型的数量
type_counts = {}
for item in points:
    t = type(item).__name__
    type_counts[t] = type_counts.get(t, 0) + 1
print(type_counts)

步骤2：统一元素结构 #

根据统计结果，选择适合的处理方式：

方案A：保留所有数据，将非字典元素转为字典格式

processed_points = []
for item in points:
    if isinstance(item, dict):
        processed_points.append(item)
    elif isinstance(item, list):
        # 把列表转为{索引: 值}的字典
        processed_points.append(dict(enumerate(item)))
    else:
        # 标量类型转为{'value': 对应值}的字典
        processed_points.append({'value': item})

# 转换为DataFrame
df = pd.DataFrame(processed_points)

方案B：只保留字典类型元素（过滤非字典数据）

如果只需要字典格式的数据，直接过滤后转换，嵌套结构可再用json_normalize展开：

dict_points = [item for item in points if isinstance(item, dict)]
df = pd.DataFrame(dict_points)
# 若字典有嵌套，执行下面一行展开结构
# df = pd.json_normalize(dict_points)

步骤3：验证结果 #

转换完成后，查看DataFrame的基本信息确认结构：

print(df.head())
print(df.info())

内容的提问来源于stack exchange，提问作者Encomium