您可以使用literal_eval转换应为字典(或其他类型)的字符串：

from ast import literal_eval

def try_literal_eval(s):

try:

return literal_eval(s)

except ValueError:

return s

现在,您可以将其应用于您的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：就其他调用而言,这是非常昂贵的(在时间上),但是,当您在处理DataFrames / Series中的字典时,您必须默认使用python对象,因此事情将会相对缓慢…进行非规范化可能是一个好主意,即将数据作为列返回,例如使用json_normalize.