如何处理Pandas中包含字典的字符串列？

问题背景 #

现有Pandas DataFrame结构如下：

想要访问computed_data列中的值，用eval(df["computed_data"][0])处理单个单元格正常，但用以下循环批量转换时：

data = []
for x, i in enumerate(df["Computed Data"]):
    data.append(eval(df["Computed Data"][x]))

出现错误：name 'null' is not defined，DataFrame无空值，形状为3601。

问题原因 #

1. 部分单元格的JSON字符串包含JSON语法的null，但Python的eval()无法识别该关键字（Python对应为None），导致报错。
2. 循环中使用的列名"Computed Data"与原DataFrame的列名"computed_data"大小写不匹配，可能引发额外问题。

解决方案 #

放弃eval()，使用Python内置的json模块解析，它能自动处理JSON与Python数据类型的转换（包括null转None），且更安全。

方法一：用apply()批量解析（高效推荐） #

import json

# 确保列名与原DataFrame一致
df['parsed_data'] = df['computed_data'].apply(lambda x: json.loads(x.strip('"')))

注：若字符串外层包裹了多余的双引号，需用strip('"')去除，否则json.loads会解析失败

方法二：修正循环逻辑 #

import json

data = []
# 遍历列时使用正确的列名
for item in df['computed_data']:
    parsed_item = json.loads(item.strip('"'))
    data.append(parsed_item)

额外说明 #

eval()存在安全风险，若字符串包含恶意代码会直接执行，且无法兼容JSON的特殊语法（如true/false），使用专门的JSON解析工具是更稳妥的选择。

内容的提问来源于stack exchange，提问作者Koutaax