如何在Python Pandas中将DataFrame的JSON列转为常规列？

核心问题原因 #

你遇到的报错是因为COL3（以及真实数据里的COL6、COL7）是字符串类型的JSON格式数据，而非Python字典对象。pd.json_normalize()需要接收字典/列表形式的输入，直接传入字符串会触发AttributeError。

分步实现解析 #

1. 导入依赖 #

先导入必要的库：

import pandas as pd
import json
from ast import literal_eval  # 用于处理包含集合的特殊JSON字符串（如COL4）

2. 解析普通JSON字符串列（如COL3、COL6、COL7） #

以COL3为例，先将字符串转为Python字典，再用json_normalize解析并合并到原表：

# 读取数据
ABT = pd.read_excel("ABT.xlsx")

# 将COL3的JSON字符串转为字典
ABT["COL3"] = ABT["COL3"].apply(json.loads)

# 解析COL3为单独列，与原表横向合并
col3_normalized = pd.json_normalize(ABT["COL3"])
result = pd.concat([ABT, col3_normalized], axis=1)

执行后就能得到你需要的X、y列，同时保留原COL3列。

针对真实数据里的COL6和COL7，处理逻辑完全一致：

# 解析COL7
ABT["COL7"] = ABT["COL7"].apply(json.loads)
col7_normalized = pd.json_normalize(ABT["COL7"])
result = pd.concat([result, col7_normalized], axis=1)

# 解析嵌套结构的COL6
ABT["COL6"] = ABT["COL6"].apply(json.loads)
col6_normalized = pd.json_normalize(ABT["COL6"])
# 简化嵌套列名（去掉前缀paAccounts.）
col6_normalized.columns = col6_normalized.columns.str.replace("paAccounts.", "")
result = pd.concat([result, col6_normalized], axis=1)

3. 处理COL4（含集合的特殊JSON字符串） #

注意：示例中COL4的格式{"A":{1,2}, "B":{3,3}}不是标准JSON（JSON不支持集合类型），json.loads无法解析，需要用ast.literal_eval解析Python字面量：

# 将COL4的字符串转为含集合的Python字典
ABT["COL4"] = ABT["COL4"].apply(literal_eval)

# 解析COL4：建议将集合转为列表（集合无序且在DataFrame中处理不友好）
col4_normalized = pd.json_normalize(ABT["COL4"]).applymap(lambda x: list(x))

# 合并到结果表
result = pd.concat([result, col4_normalized], axis=1)

COL4的输出形式推荐转为列表（如[1,2]），既能保留去重后的元素，又更适合后续数据处理。

完整代码示例 #

import pandas as pd
import json
from ast import literal_eval

# 读取数据
ABT = pd.read_excel("ABT.xlsx")

# 处理COL3
ABT["COL3"] = ABT["COL3"].apply(json.loads)
col3_norm = pd.json_normalize(ABT["COL3"])

# 处理COL4
ABT["COL4"] = ABT["COL4"].apply(literal_eval)
col4_norm = pd.json_normalize(ABT["COL4"]).applymap(list)

# 合并所有结果
final_result = pd.concat([ABT, col3_norm, col4_norm], axis=1)

# 查看结果
print(final_result.head())

内容的提问来源于stack exchange，提问作者dingaro