Python中使用eval()处理字符串字典缺失值的方法咨询

核心问题 #

直接用eval()解析字符串字典时，遇到缺失值（如NaN、空字符串、格式不合法的伪字典）会抛出异常，需要换用更稳健的解析方式，同时兼容缺失场景。

方法一：自定义安全解析函数 #

通过json.loads替代eval()（更安全，仅解析合法JSON），配合异常处理覆盖缺失值和格式错误的情况：

import json
import pandas as pd

def safe_parse_dict(s):
    # 处理缺失值（NaN、空字符串）
    if pd.isna(s) or str(s).strip() == "":
        return {}
    # 尝试解析JSON字符串，失败则返回空字典
    try:
        return json.loads(s)
    except (json.JSONDecodeError, TypeError):
        return {}

# 转换content列为字典类型
df['content'] = df['content'].apply(safe_parse_dict)
# 将字典展开为列
expanded_content = df['content'].apply(pd.Series)
# 合并回原DataFrame
final_df = pd.concat([df.drop('content', axis=1), expanded_content], axis=1)

方法二：用pd.json_normalize简化流程 #

Pandas内置的json_normalize可以直接解析字典列表，配合缺失值预处理更高效：

import json
import pandas as pd

# 先把所有缺失/空内容替换为合法空字典字符串
df['content'] = df['content'].fillna("{}").replace("", "{}")
# 解析为字典后直接归一化
expanded_content = pd.json_normalize(df['content'].apply(json.loads))
# 合并结果
final_df = pd.concat([df.drop('content', axis=1), expanded_content], axis=1)

关键说明 #

1. 优先用json.loads而非eval()：eval()会执行任意代码，存在安全风险，且对JSON格式的兼容性不如json.loads。
2. 缺失值处理逻辑：将单元格级的缺失（如NaN、空字符串）转为空字典，展开后对应列会自动填充NaN，不影响后续列对齐。
3. 字典内部键缺失：apply(pd.Series)或json_normalize会自动为不存在的键填充NaN，无需额外处理。

内容的提问来源于stack exchange，提问作者mahamadou niakate