Pandas加载JSON生成DataFrame无法直接过滤，存CSV再读取则正常

这种现象通常由以下几种常见原因导致：

1. 列名包含隐藏/不可见字符 #

API返回的JSON数据中，stock_exchange对应的键可能带有不可见空白字符（比如前后空格、全角空格、零宽空格\u200b）或者特殊符号。直接加载为DataFrame时，列名会完整保留这些字符，此时你用df['stock_exchange']调用会因为字符不匹配触发KeyError。

而当你将DataFrame保存为CSV时，这些隐藏字符会被写入文件，但使用pd.read_csv()读取时，Pandas默认的解析参数（比如skipinitialspace=True）会自动忽略列名前后的空白字符，或者某些不可见字符会被CSV的文本格式过滤，最终得到干净的stock_exchange列名，因此可以正常筛选。

你可以通过print(df.columns)查看直接加载后的列名，对比读取CSV后的列名，就能发现差异（比如列名前后的空格）。

2. JSON结构嵌套导致列未直接暴露 #

如果API返回的JSON是嵌套结构（比如stock_exchange是子字典中的键），直接用pd.DataFrame(api_response)加载时，顶层列可能只有父级键（比如info），而stock_exchange是该列中每个元素的子属性，此时DF中并没有顶层的stock_exchange列，自然会触发KeyError。

但将DF保存为CSV时，Pandas会把嵌套的字典列转成字符串格式写入，而你读取CSV时可能无意中对该列做了解析（或者Pandas的CSV解析器自动处理了嵌套字符串），最终生成了独立的stock_exchange列。

这种情况可以用pd.json_normalize(api_response)替代pd.DataFrame()来加载API数据，直接将嵌套结构扁平化为顶层列，就能避免这个问题。

3. Pandas解析JSON的参数差异 #

如果API返回的是JSON Lines格式（每行一个独立JSON对象），直接用json.loads()解析后转DataFrame可能会导致结构错误，遗漏stock_exchange列。但保存为CSV后，每行的结构被标准化，pd.read_csv()能正确识别列。

此时应该用pd.read_json(response.text, lines=True)来直接加载API返回的JSON Lines数据，确保列被正确解析。

内容的提问来源于stack exchange，提问作者anarchy