如何将Pandas DataFrame字符串列转换为可解析的JSON或字典类型？

错误原因 #

你的代码触发报错的核心问题是：仅筛选非空行做转换后直接赋值给全列，空值行未做兼容处理，同时直接使用eval方法存在执行任意恶意代码的极高安全风险，不适用于生产环境。

兼容空值的转换方案 #

推荐使用Python标准库ast的literal_eval方法，该方法仅会解析Python合法字面量结构（字典、列表、字符串等），不会执行任意代码，完全适配你当前单引号包裹的类JSON字符串场景，同时天然兼容空值：

import ast
import pandas as pd
import numpy as np

# 自定义转换函数
def parse_dict_str(x):
    # 空值直接返回原值，不做处理
    if pd.isna(x):
        return x
    # 非空字符串解析为字典
    return ast.literal_eval(x)

# 对整列做转换
df['json_col'] = df['json_col'].apply(parse_dict_str)

转换完成后json_col非空行均为标准Python字典类型，可直接读取字段，比如：

# 读取第一行value下的Code字段
print(df.loc[0, 'json_col']['value']['Code'])
# 输出结果：06037

快速提取指定字段示例 #

如果你不需要保留完整字典，只想提取指定字段，可以直接在转换时取值：

# 直接提取value下的Code字段，空值自动保留
df['code'] = df['json_col'].apply(lambda x: x['value']['Code'] if pd.notna(x) else x)

内容的提问来源于stack exchange，提问作者kms