您可以使用literal_eval轉換應為字典(或其他類型)的字符串：

from ast import literal_eval

def try_literal_eval(s):

try:

return literal_eval(s)

except ValueError:

return s

現在,您可以將其應用于您的DataFrame：

In [11]: df = pd.DataFrame({'A': ["hello","world",'{"a":5,"b":6,"c":8}',"usa","india",'{"d":9,"e":10,"f":11}']})

In [12]: df.loc[2, "A"]

Out[12]: '{"a":5,"b":6,"c":8}'

In [13]: df

Out[13]:

A

0 hello

1 world

2 {"a":5,"b":6,"c":8}

3 usa

4 india

5 {"d":9,"e":10,"f":11}

In [14]: df.applymap(try_literal_eval)

Out[14]:

A

0 hello

1 world

2 {'a': 5, 'b': 6, 'c': 8}

3 usa

4 india

5 {'d': 9, 'e': 10, 'f': 11}

In [15]: df.applymap(try_literal_eval).loc[2, "A"]

Out[15]: {'a': 5, 'b': 6, 'c': 8}

注意：就其他調用而言,這是非常昂貴的(在時間上),但是,當您在處理DataFrames / Series中的字典時,您必須默認使用python對象,因此事情將會相對緩慢…進行非規范化可能是一個好主意,即將數據作為列返回,例如使用json_normalize.

總結

以上是生活随笔為你收集整理的python 读取csv文件转成字符串_从CSV读取到 dataframe pandas python时dict对象转换为字符串...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。