读取JSON文件到pandas DataFrame报Mixing dicts with non-Series错误求助

你遇到的报错是因为该JSON为嵌套结构，外层包含terms、license、last_updated等非数组类型的元数据字段，而实际的业务数据存储在results字段对应的数组中。直接调用pd.read_json会将结构不同的字段混合解析，触发排序歧义的错误。

常规读取（适合中小型文件） #

先将JSON全量加载为Python字典，仅提取results数组解析为DataFrame即可，若需要自动展开嵌套字典可以使用pd.json_normalize：

import pandas as pd
import json

with open("data.json", "r", encoding="utf-8") as f:
    raw_data = json.load(f)

# 基础读取，嵌套字段会保留为字典格式
df = pd.DataFrame(raw_data["results"])

# 进阶：自动展开所有嵌套字典，嵌套字段会用.拼接命名，比如primarysource.qualification
df_normalized = pd.json_normalize(raw_data["results"])

如果需要进一步展开reaction、drug这类嵌套列表，可指定record_path参数：

# 示例：将每个上报记录中的drug列表展开为单独行，同时保留上报id等基础信息
df_drug = pd.json_normalize(
    raw_data["results"],
    record_path=["patient", "drug"],
    meta=["safetyreportid", "receivedate", ["patient", "patientonsetage"]],
    errors="ignore"
)

大文件流式读取（适合GB级大型JSON，避免内存溢出） #

如果文件过大全量加载会导致内存不足，可使用ijson库流式迭代读取results字段的每一条数据，分批处理：

1. 首先安装依赖：
   pip install ijson
2. 流式读取代码示例：

import pandas as pd
import ijson

batch_size = 10000
result_buffer = []
# 首次写入文件先写表头
write_header = True

with open("data.json", "rb") as f:
    # 迭代读取results数组下的每一条记录
    for record in ijson.items(f, "results.item"):
        result_buffer.append(record)
        # 凑够批次大小就写入文件释放内存
        if len(result_buffer) >= batch_size:
            batch_df = pd.json_normalize(result_buffer)
            batch_df.to_csv("fda_data.csv", mode="a", header=write_header, index=False, encoding="utf-8-sig")
            result_buffer = []
            write_header = False
# 处理最后不足批次大小的剩余数据
if result_buffer:
    batch_df = pd.json_normalize(result_buffer)
    batch_df.to_csv("fda_data.csv", mode="a", header=write_header, index=False, encoding="utf-8-sig")

• 如果你的JSON结构中results字段还有上层嵌套，按需调整ijson的读取路径即可，比如上层有data包裹就改为data.results.item
• 不需要展开嵌套字段时，将pd.json_normalize替换为pd.DataFrame即可
• 若后续需要处理列表类型字段，可单独对对应列使用explode方法展开

内容的提问来源于stack exchange，提问作者user14435244