Python中如何将pandas内的JSON行数据拆分为多列（扁平化）

你遇到的报错本质是待处理列的JSON数据还处于字符串格式，json_normalize仅支持接收Python字典/列表类的结构化输入，调用字符串对象的values属性自然会抛出异常。

1. 先将JSON字符串列转换为Python字典格式

import pandas as pd
import json

# 替换下方的json_col为你实际存储JSON数据的列名
df['json_col'] = df['json_col'].apply(json.loads)

2. 对整列执行扁平化操作，再和原表非JSON字段拼接

# 扁平化JSON字段
json_flat = pd.json_normalize(df['json_col'])
# 合并结果，删除原JSON列避免冗余
final_df = pd.concat([df.drop(columns=['json_col']), json_flat], axis=1)

• 若存在JSON格式异常的行，可加异常捕获避免处理中断：

def safe_json_load(s):
    try:
        return json.loads(s)
    except (json.JSONDecodeError, TypeError):
        # 格式错误的行返回空字典，后续可以过滤处理
        return {}

df['json_col'] = df['json_col'].apply(safe_json_load)

• 若JSON内部有嵌套数组需要展开，可给json_normalize传入record_path和meta参数指定展开规则，示例如下：

# 示例：展开JSON中名为records的嵌套数组，同时保留外层的id、create_time字段
json_flat = pd.json_normalize(
    df['json_col'],
    record_path='records',
    meta=['id', 'create_time'],
    record_prefix='record_'
)

内容的提问来源于stack exchange，提问作者wm10