DataFrame字典列类型转换与条件判断报错求助

我明白你遇到的问题了——你的occurrences列存的是字符串形式的字典，不是真正的Python字典对象，所以直接用astype(dict)或者调用.values()都会报错。下面是一步步的解决方案：

1. 将字符串字典转为真实字典 #

不要用astype(dict)，这个方法无法解析字符串格式的字典。我们用ast.literal_eval()来安全地把字符串解析成对应的Python对象，它比eval()更安全，只会解析合法的Python字面量（比如字典、列表、数字等）。

首先导入ast模块，然后用apply()处理整个列：

import ast
import pandas as pd

# 假设你的DataFrame是df
df['occurrences'] = df['occurrences'].apply(ast.literal_eval)

如果你的数据里有格式不规范的字符串（比如语法错误的字典），可以加个错误处理，避免程序崩溃：

def parse_str_dict(s):
    try:
        return ast.literal_eval(s)
    except (SyntaxError, ValueError):
        # 解析失败时返回空字典，可根据你的需求调整
        return {}

df['occurrences'] = df['occurrences'].apply(parse_str_dict)

执行完这一步后，df['occurrences']里的每个元素就都是真正的dict类型了，你可以用df['occurrences'].apply(type)来验证。

2. 生成iscountrymentioned列 #

现在可以遍历每个字典，检查是否有任意一个国家的出现次数≥1。用apply()结合lambda函数就能轻松实现：

df['iscountrymentioned'] = df['occurrences'].apply(lambda x: any(count >= 1 for count in x.values()))

• any()函数会遍历字典的所有值，只要有一个值满足≥1，就返回True，否则返回False。

为什么之前的方法会报错？ #

• df['occurrences'].astype(dict)：Pandas的astype()主要用于转换数值、字符串、日期等基础数据类型，不支持将字符串直接转换为Python字典对象，所以会抛出TypeError。
• 直接调用x.values()：因为x是字符串，不是字典，字符串对象没有values()方法，所以会出现AttributeError，而且判断逻辑自然全为False。

内容的提问来源于stack exchange，提问作者Devarshi Goswami