解析JSON列创建新列时遇TypeError错误求助
解决提取JSON列中Type字段的TypeError问题
错误原因
你遇到的TypeError: list indices must be integers or slices, not str,核心问题是**Vals列的元素并非已解析的字典对象**:要么是未解析的JSON字符串,要么个别行被解析成了列表,导致你用字符串'Type'去索引时触发错误。
解决方案
方法1:带异常处理的自定义解析函数
先将JSON字符串解析为Python字典/列表,再安全提取Type字段:
import json def get_type_from_json(val): try: # 解析JSON字符串为Python对象 parsed_data = json.loads(val) # 处理字典类型的情况 if isinstance(parsed_data, dict): return parsed_data.get('Type') # 处理列表类型的情况(如果存在) elif isinstance(parsed_data, list): return parsed_data[0].get('Type') if parsed_data else None except (json.JSONDecodeError, TypeError): # 解析失败或输入非字符串时返回None return None # 应用函数生成新列 df_test["new_col"] = df_test['Vals'].apply(get_type_from_json)
方法2:用pandas内置的JSON解析工具
如果你的数据大部分是标准JSON字典,可以用pd.json_normalize批量解析:
import json # 先解析所有JSON字符串为Python对象 df_test['parsed_vals'] = df_test['Vals'].apply(lambda x: json.loads(x) if isinstance(x, str) else x) # 展开解析后的字典,提取Type列 df_test["new_col"] = pd.json_normalize(df_test['parsed_vals'])['Type'] # 可选:删除中间列 df_test.drop('parsed_vals', axis=1, inplace=True)
验证说明
两种方法都会自动处理:
- 未解析的JSON字符串
- 解析失败的异常情况(返回None)
- 列表类型的JSON结构(如果存在)
内容的提问来源于stack exchange,提问作者Lopa
相关产品推荐
相关产品推荐

