python - 从 Pandas Dataframe 列中提取字符串形式的 JSON 对象列表

Question

我有一个完全正常的 pandas 数据框，是在加载此数据集后创建的:https://www.kaggle.com/tmdb/tmdb-movie-metadata/data

正如您所看到的，流派列包含一个嵌套结构，它似乎是一个字典列表，或者是 json 对象，具体取决于您如何看待它？这些字典的键是“id”和“name”。

不管怎样，我已经尝试了一切，包括使用 tojson() 将列转换为 json，或者使用 pandas json_normalize() 方法，但没有任何运气。

如果我使用 json_normalize() ，我会得到一个 AttributeError: 'str' object has no attribute 'itervalues':

pd.io.json.json_normalize(obj_movies['genres'], meta = ['id','name']) 

实际上，我的目标是解析此列表，为每一行创建一组唯一的流派名称...

Answer 1

用途:

import ast

obj_movies = pd.read_csv('tmdb_5000_movies.csv')
obj_movies['uniq'] = [list(set([y['name'] for y in x])) for x in obj_movies['genres'].apply(ast.literal_eval)]
print (obj_movies[['uniq'] ].head(10))
                                            uniq
0  [Fantasy, Science Fiction, Adventure, Action]
1                   [Fantasy, Adventure, Action]
2                     [Crime, Adventure, Action]
3               [Drama, Crime, Thriller, Action]
4           [Science Fiction, Adventure, Action]
5                   [Fantasy, Adventure, Action]
6                            [Family, Animation]
7           [Science Fiction, Adventure, Action]
8                   [Fantasy, Family, Adventure]
9                   [Fantasy, Adventure, Action]