从JSON字符串构造DataFrame时如何仅转换索引轴而非列轴？

嘿，这个问题我刚好碰到过！你现在两次解析的方案确实能达成目标，但有点没必要——咱们可以一步搞定，既避免重复解析的性能浪费，又能精准满足「列名保持字符串、索引自动转换」的需求。

核心思路 #

因为你的JSON是orient='columns'格式（{column -> {index -> value}}），我们可以：

1. 先以convert_axes=False读入数据，确保列名保持原始字符串不被转换；
2. 单独对索引做类型推断转换，完全模拟convert_axes=True时的索引处理逻辑。

代码实现 #

import pandas as pd

# 示例JSON字符串
json_str = '{"1": {"1970-01-02 00:00:00": "foo"}, "2": {"100": "bar", "200": "baz"}}'

# 第一步：一次读取，保留列名原始字符串
df = pd.read_json(json_str, convert_axes=False)

# 第二步：自动推断索引的合适类型（日期、整数等都能兼容）
df.index = pd.Series(df.index).infer_objects()

# 验证结果
print("列名（保持字符串）：", df.columns)
print("索引（已转换类型）：", df.index)

效果验证 #

用你原来的方法生成want，再和新方法的df对比：

# 你原来的临时方案
temp = pd.read_json(json_str, convert_axes=False)
want = pd.read_json(json_str, convert_axes=True)
want.columns = temp.columns

# 对比结果
print(df.equals(want))  # 输出 True，完全一致！

另一种灵活方案：直接从JSON字典构造 #

如果你想更精细地控制流程，也可以先解析JSON为字典，再手动构造DataFrame：

import pandas as pd
import json

json_str = '{"1": {"1970-01-02 00:00:00": "foo"}}'
data_dict = json.loads(json_str)

# 构造DataFrame时直接保留列名字符串
df = pd.DataFrame(data_dict)
# 转换索引类型
df.index = pd.Series(df.index).infer_objects()

这两种方法都只需要一次解析JSON，在数据量较大时，性能优势会非常明显。

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