如何将存储序列化JSON的pandas Series转换为字典类型Series

你逐行通过iloc给Series元素赋值字典时，pandas会默认将传入的字典识别为待对齐的Series结构，尝试匹配不存在的列轴（Series仅支持行轴axis=0，axis=1是DataFrame专属的列轴），最终触发No axis named 1的报错。这类场景不要使用逐行原地赋值的写法。

方案1：向量化批量转换（推荐） #

直接用apply方法对整列做批量转换，代码最简洁、执行效率最高，不会触发赋值对齐问题：

import json
# 整列批量将JSON字符串转为字典
df['A'] = df['A'].apply(json.loads)

方案2：循环预生成结果后一次性赋值 #

如果习惯写循环逻辑，不要在循环内逐行修改DataFrame/Series的值，先把所有转换结果存在普通列表里，循环结束后一次性赋值回列：

import json
parsed_result = []
for json_str in df['A']:
    parsed_result.append(json.loads(json_str))
df['A'] = parsed_result

异常兼容处理 #

如果列中存在格式损坏的非法JSON字符串，可以加一层异常捕获，避免单行解析失败中断整个任务：

import json
def safe_json_parse(s):
    try:
        return json.loads(s)
    except json.JSONDecodeError:
        # 解析失败时可按需返回空字典、None等默认值
        return None
df['A'] = df['A'].apply(safe_json_parse)

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