pd.json_normalize() 给出“str 对象没有属性‘值’”

Question

我手动创建一个 DataFrame：

import pandas as pd
df_articles1 = pd.DataFrame({'Id'   : [4,5,8,9],
                            'Class':[
                                        {'encourage': 1, 'contacting': 1},
                                        {'cardinality': 16, 'subClassOf': 3},
                                        {'get-13.5.1': 1},
                                        {'cardinality': 12, 'encourage': 1}
                                    ]
                            }) 

我将其导出到 csv 文件以在拆分后导入：

df_articles1.to_csv(f"""{path}articles_split.csv""", index = False, sep=";")

我可以将其拆分为pd.json_normalize()：

df_articles1 = pd.json_normalize(df_articles1['Class'])

我将其 csv 文件导入到 DataFrame 中：

df_articles2 = pd.read_csv(f"""{path}articles_split.csv""", sep=";") 

但这失败了：

AttributeError: 'str' 对象没有属性 'values' pd.json_normalize(df_articles2['Class'])

Answer 1

这是因为当您保存“类”to_csv()列中的数据时，加载保存的数据后存储的方式并非如此：stringdictionary/json

df_articles2 = pd.read_csv(f"""{path}articles_split.csv""", sep=";") 

然后要使其恢复原始形式，请使用eval()方法和apply()方法：-

df_articles2['Class']=df_articles2['Class'].map(eval)

最后：

resultdf=pd.json_normalize(df_articles2['Class'])

现在如果你打印resultdf你会得到你想要的输出

注意：是的，根据这个线程。使用 eval 是不好的，但在某些情况下，当你的数据混乱时，你只剩下一个选择：那就是使用eval

Answer 2

虽然接受的答案有效，但使用eval是不好的做法。

要解析类似于JSON/dict的字符串列，请使用以下选项之一（如果可能，最后一个选项最好）。

ast.literal_eval（更好的）

import ast

objects = df2['Class'].apply(ast.literal_eval)
normed = pd.json_normalize(objects)
df2[['Id']].join(normed)

#    Id  encourage  contacting  cardinality  subClassOf  get-13.5.1
# 0   4        1.0         1.0          NaN         NaN         NaN
# 1   5        NaN         NaN         16.0         3.0         NaN
# 2   8        NaN         NaN          NaN         NaN         1.0
# 3   9        1.0         NaN         12.0         NaN         NaN

json.loads（更好）

import json

objects = df2['Class'].apply(json.loads)
normed = pd.json_normalize(objects)
df2[['Id']].join(normed)

#    encourage  contacting  cardinality  subClassOf  get-13.5.1
# 0        1.0         1.0          NaN         NaN         NaN
# 1        NaN         NaN         16.0         3.0         NaN
# 2        NaN         NaN          NaN         NaN         1.0
# 3        1.0         NaN         12.0         NaN         NaN

如果字符串是单引号，请str.replace在应用之前将它们转换为双引号（从而有效的 JSON）json.loads：

objects = df2['Class'].str.replace("'", '"').apply(json.loads)
normed = pd.json_normalize(objects)
df2[['Id']].join(normed)

pd.json_normalize 之前 pd.to_csv（推荐）

如果可能，当您最初保存到 CSV 时，只需保存规范化的JSON（而不是原始 JSON 对象）：

df1 = df1[['Id']].join(pd.json_normalize(df1['Class']))
df1.to_csv('df1_normalized.csv', index=False, sep=';')

# Id;encourage;contacting;cardinality;subClassOf;get-13.5.1
# 4;1.0;1.0;;;
# 5;;;16.0;3.0;
# 8;;;;;1.0
# 9;1.0;;12.0;;

这是更自然的 CSV 工作流程（而不是存储/加载对象 blob）：

df2 = pd.read_csv('df1_normalized.csv', sep=';')

#    Id  encourage  contacting  cardinality  subClassOf  get-13.5.1
# 0   4        1.0         1.0          NaN         NaN         NaN
# 1   5        NaN         NaN         16.0         3.0         NaN
# 2   8        NaN         NaN          NaN         NaN         1.0
# 3   9        1.0         NaN         12.0         NaN         NaN