Pandas如何将DataFrame每行所有列转为JSON并新增为列

直接用pandas内置的JSON序列化方法就行，不用自己写循环拼字符串，不会出格式错，效率也高。
核心逻辑是调用to_json时指定按行生成记录，直接拆分后赋值给新列，完整代码如下：

import pandas as pd                                                                         
technologies = [                                                                            
            ("Spark", 22000,'30days',1000.0),                                               
            ("PySpark",25000,'50days',2300.0),                                              
            ("Hadoop",23000,'55days',1500.0)                                                
            ]                                                                               
df = pd.DataFrame(technologies,columns = ['Courses','Fee','Duration','Discount'])

# 新增json列的核心代码
df['json'] = df.to_json(orient='records', lines=True).splitlines()

print(df)

参数说明 #

• orient='records'：指定序列化结构为「每行对应一个键值对JSON对象」，和你要的字段结构完全匹配
• lines=True：输出时按行拆分JSON对象，不包裹成全局数组，后续直接用splitlines()就能切出和原表逐行对应的字符串，顺序完全对齐
• 这个方法会自动识别字段类型：字符串自动加双引号、数值类字段保持数字格式，不会出现多余转义、格式错位的问题，后续你给原表加新列，生成的JSON也会自动包含新字段，不用改逻辑。

运行后输出和你预期完全一致：

Courses    Fee Duration  Discount                                               json
0    Spark  22000   30days    1000.0   {"Courses":"Spark","Fee":22000,"Duration":"30days","Discount":1000.0}
1  PySpark  25000   50days    2300.0  {"Courses":"PySpark","Fee":25000,"Duration":"50days","Discount":2300.0}
2   Hadoop  23000   55days    1500.0   {"Courses":"Hadoop","Fee":23000,"Duration":"55days","Discount":1500.0}

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