使用pd.json_normalize时报'str' object has no attribute 'values'如何解决

报错的核心原因是 transactions['extra_data'] 列的每个元素是JSON格式字符串，而非 pd.json_normalize() 要求的Python字典/嵌套列表结构。从数据库直接拉取JSON类型字段时，多数数据库驱动默认会将其序列化为字符串返回，不会自动转换为Python原生对象。pd.json_normalize() 执行时会尝试读取输入对象的values属性完成结构解析，字符串不存在该属性，因此抛出对应错误。

首先需要将列内的JSON字符串转换为Python原生字典结构，再执行标准化操作：

• 基础转换方案（适配所有JSON内容合法的场景）

import json
import pandas as pd

# 将JSON字符串转为Python字典
transactions['extra_data'] = transactions['extra_data'].apply(json.loads)
# 执行JSON结构标准化
normalized_df = pd.json_normalize(transactions['extra_data'])

• 兼容脏数据的转换方案（适配存在空值、非法JSON的场景）
  如果数据中存在空值、空字符串或者格式异常的JSON，可以增加异常捕获逻辑避免转换中断：

import json
import pandas as pd

def safe_json_loads(s):
    try:
        # 处理空值、空字符串场景
        if pd.isna(s) or str(s).strip() == '':
            return {}
        return json.loads(s)
    except (json.JSONDecodeError, TypeError):
        # 非法JSON返回空字典，可根据业务需求调整返回值
        return {}

transactions['extra_data'] = transactions['extra_data'].apply(safe_json_loads)
normalized_df = pd.json_normalize(transactions['extra_data'])

• 合并到原表
  如果需要将展开后的JSON字段和原DataFrame的其他字段合并，可以执行以下操作：

full_df = pd.concat([transactions.drop(columns=['extra_data']), normalized_df], axis=1)

如果使用SQLAlchemy等工具从数据库拉取数据，可以在查询阶段配置JSON字段的序列化规则，直接返回Python字典结构，避免后续二次转换。

内容的提问来源于stack exchange，提问作者Alexey