Python 获得；属性错误：'；浮动'；对象没有属性'；项目'&引用；使用pandas.io.json.json_规范化

当尝试使用

json\u normalize

函数对pandas数据帧中的序列进行规范化时，我收到错误：

"AttributeError: 'float' object has no attribute 'items'" 

该系列的每一行都包含一个嵌套的json，尽管有些行不包含该系列中某些json中存在的所有属性

还有一个字段

“timestamp”：{“$date”：1578411194000}

在那些嵌套的json中，它也出现在同一数据帧的另一列中，这给了我在另一次尝试展平其他序列时的一个错误

我假设

AttributeError

与不是所有包含所有字段的json有关，或者与那些

时间戳有关。json_normalize

对其他一些df列有效

---

我希望这是足够的信息。提前多谢

如果存在可以使用

dropna（）

解决的NaN字段，则可能发生这种情况：

---

如果存在可以使用

dropna（）

解决的NaN字段，则可能会发生这种情况：

---

错误是因为您可能在某个级别上循环，然后值不是另一个dict，而是一个float。您可以通过检查诸如

hasattr（7.0，'items'）

之类的内容来处理这些不同的情况，除了使用变量not

7.0

之外，我通过使用json.loads而不是pd.read\u json加载数据来解决错误，之后json\u normalize工作得很好。至于条件语句，我使用了类似normalized_data=json_normalize（[x代表x在df['column']if（'key'在x中）]）的语句，而不是hasattr（）。请回答您自己的问题。否则，如果有人搜索没有答案的问题，就会发现这篇文章。错误是因为你可能在某个级别上循环，然后值不是另一个dict，而是一个float。您可以通过检查诸如

hasattr（7.0，'items'）

之类的内容来处理这些不同的情况，除了使用变量not

7.0

之外，我通过使用json.loads而不是pd.read\u json加载数据来解决错误，之后json\u normalize工作得很好。至于条件语句，我使用了类似normalized_data=json_normalize（[x代表x在df['column']if（'key'在x中）]）的语句，而不是hasattr（）。请回答您自己的问题。否则，如果有人搜索没有答案的问题，就会找到这篇文章。

pd.json_normalize(df.explode("field")["field"]))
=> AttributeError: 'float' object has no attribute 'items'

pd.json_normalize(df.explode("field")["field"].dropna())
=> no error