如何为DataFrame添加包含其他列数据的JSON对象列？

初始DataFrame结构：

尝试用以下代码添加JSON列：

for i, row in df:
    i_val = row.to_json()
    df.at[i,'raw_json'] = i_val

但得到了JSON嵌套重复的结果：

期望的正确结果：

解决方法 #

原因分析 #

循环中修改DataFrame时，后续迭代的row会包含刚添加的raw_json列，导致row.to_json()把新列也纳入序列化范围，形成嵌套。另外原循环写法有误，正确遍历行需用df.iterrows()，但即使修正写法，嵌套问题仍会存在。

正确代码示例 #

方法1：指定原始列生成JSON

直接选择需要转换的原始列，避免包含新添加的列：

df['raw_json'] = df[['col_1', 'col_2']].apply(lambda row: row.to_json(), axis=1)

方法2：基于原始副本生成JSON

先复制一份原始DataFrame，基于副本生成JSON后再添加到原DataFrame：

original_df = df.copy()
df['raw_json'] = original_df.apply(lambda row: row.to_json(), axis=1)

方法3：用字典转JSON（更灵活）

如果需要自定义JSON格式，可先转成字典再序列化：

import json
df['raw_json'] = df[['col_1', 'col_2']].apply(lambda row: json.dumps(row.to_dict()), axis=1)

以上方法均能避开循环修改DataFrame的问题，直接生成仅包含原始列信息的JSON字符串。

内容的提问来源于stack exchange，提问作者thejoker34