如何在Pandas/Python中提取字符串内字典的指定值？

问题出在批量循环时，你的Computed Data列里可能存在格式不合法的字符串（比如引号不匹配、缺失括号、空值或特殊字符），导致ast.literal_eval()解析失败抛出ValueError。单个测试时你刚好选到了合法的条目，所以没报错。

1. 安全解析函数 + 批量处理 #

用apply配合带异常捕获的解析函数，既可以批量处理，又能跳过无效条目，避免整个流程中断：

import ast
import pandas as pd

def extract_activable(s):
    try:
        # 把字符串解析为字典
        data_dict = ast.literal_eval(s)
        # 逐层提取目标值，不存在则返回空值
        return data_dict.get("Status", {}).get("activable", pd.NA)
    except (ValueError, SyntaxError, TypeError):
        # 解析失败时返回空值
        return pd.NA

# 应用到DataFrame生成新列
df["Activable"] = df["Computed Data"].apply(extract_activable)

2. 定位无效数据 #

如果需要找出哪些行导致了错误，可筛选出解析失败的条目排查：

# 筛选出非空但解析失败的行
invalid_entries = df[df["Activable"].isna() & df["Computed Data"].notna()]
print("无效的字符串条目：")
print(invalid_entries["Computed Data"])

常见的无效情况包括：

• 字符串里的单/双引号不匹配
• 字典格式错误（比如少了}或者逗号）
• 单元格是空字符串或非字典格式的文本

3. 可选：预处理清洗数据 #

如果无效条目是因为格式小问题（比如单引号转双引号），可以先做简单清洗：

# 示例：把单引号替换为双引号（仅当原字符串是单引号包裹的字典时适用）
df["Cleaned Data"] = df["Computed Data"].str.replace("'", '"')
# 再用清洗后的数据解析
df["Activable"] = df["Cleaned Data"].apply(extract_activable)

内容的提问来源于stack exchange，提问作者Koutaax