你的數據表中某一字段的數據格式是json類型（簡單理解就是字典和列表嵌套），你只需要用到json數據的某一項內容。
例如：
你只需要用到json數據里面的id信息，原地用id把原來的數據替換掉
解決方案
1.將str（字符串）轉成dict（字典） #json.loads
2.對數據原地替換 #單列：pd.Seriers.apply 多列：pd.DataFrame.apply
實例：
import pandas as pd import re import json def jsonLoads(strs,key): '''strs：傳進來的json數據 key：字典的鍵 ''' strs =re.sub("'",'"',strs) #單引號換成雙引號，下文解釋 dict_ = json.loads(strs) return list(i[key] for i in dict_) #原地代替原來的json數據，這里使用列表推導 if __name__ =='__main__': f= r'movies_metadata.csv' df =pd.read_csv(f) #DataFrame對象 col =df.genres #選取名為genres的一列數據,json數據，如上圖，此時是Series對象 print(col) col=col.apply(jsonLoads, key='id') #（函數，函數里的參數=） print(col)
處理前：
處理后：
因此：pd.Series.apply函數是依次對列中每個數據做處理
另外，pd.DataFrame.apply是對多列進行操作，沒有試過
討論
1.json.loads報錯
json.decoder.JSONDecodeError: Expecting property name enclosed in double quotes
原因：雙引號問題
strs1 ='[{"id": 16, "name": "Animation"}, {"id": 35, "name": "Comedy"}, {"id": 10751, "name": "Family"}]'
strs2 ="[{'id': 12, 'name': 'Adventure'}, {'id': 14, 'name': 'Fantasy'}, {'id': 10751, 'name': 'Family'}]"
會報錯的是strs2，因為字典的key（鍵）和value（值）都要用"（雙引號括起來）
解決：
import re strs =re.sub("'",'"',strs) #單引號換成雙引號，回應上文 #re.sub(被代替的，用來代替的，字符串） 一個代替函數
json.decoder.JSONDecodeError: Invalid \escape:
原因：出現了轉義字符 \
strs = '[{"iso_639_1": "ru", "name": "Pусский"}, {"iso_639_1": "lt", "name": "Lietuvi\x9akai"}]'
解決：
import re strs =re.sub(r'\\','',strs) #簡單粗暴，把轉義字符換成\\（斜桿） #另外r'strs'，以r開頭的字符串指取消轉義
2.pd.Series.apply另外一個應用
將時間轉換成TimeStamp（時間戳，方便建模）
import pandas as pd if __name__ =='__main__': f= r'movies_metadata.csv' df =pd.read_csv(f) #DataFrame對象 df =df.drop(axis=1, index=[19730, 29503, 35587]) #去除異常值，不是重點 col =df.release_date #選取名為release_date的一列數據,此時是Series對象 print(col) col=col.apply(pd.Timestamp) #pd.TimeStame函數將時間轉成時間戳 print(col)
處理前：
處理后：
空值也能處理hhh。注意了
想讓某一個數據等於空，可以：=pd.Nat 或者 pd.np.nan
3.pd.Series.map 函數
當你想將字符型分類變量數值化
實例：
import pandas as pd if __name__ == '__main__': f = r'movies_metadata.csv' df = pd.read_csv(f) # DataFrame對象 df = df.drop(axis=1, index=[19730, 29503, 35587]) # 去除異常值，不是重點 col = df.video # 選取名為video的一列數據,此時是Series對象 print(col) col = col.map({True:1,False:0}) #用1代替True； 用0代替False print(col)
處理前：
處理后：
另外：該函數可以看成不帶參數的apply函數
轉換時間戳的函數可以改成
col=col.apply(pd.Timestamp) #pd.TimeStame函數將時間轉成時間戳 col=col.map(lambda x : pd.Timestamp(x)) #使用 隱式函數，來傳入參數