将具有 nan 值的 str 类型字典转换为字典类型对象

Question

类似的问题已经被问过很多次了，但令人惊讶的是，似乎很少有答案能解决我认为的问题。

我有一个或多个列的 csv 文件，每个单元格中都包含一个字典。在read_csv 步骤之后，我在这些列上尝试了ast.literal_eval，以便将 str 格式的字典转换为字典类型的对象。但是，我不断收到malformed node or string 错误。

以下是相关字典的典型示例：{1: 3681.45, 0: 3693.3333333333335}。另一个，nan 值：{1: 4959.95652173913, 0: nan}。编辑：实际上，只有这个nan 值导致了错误（请参阅下面的Rakesh 解决方案）。

查看以前的答案，出现此错误的一个原因可能是因为这些列中的大多数 dicts 值都是浮点数，显然literal_eval 无法处理浮点数或 nans，即使它们被包含在内在字典中（尽管这是我从一个关于元组的问题中推断出来的）。

我必须阅读很多问题和答案才能获得这么多信息，所以认为用关键字str、dict 和标题中的nan 开始一个新主题可能会很有用.

非常感谢任何帮助！

Answer 1

在具有nan的json上使用eval

例如：

import ast
from numpy import nan

print(ast.literal_eval("{1: 3681.45, 0: 3693.3333333333335}"))
print(eval("{1: 4959.95652173913, 0: nan}"))

---

df = pd.DataFrame({"A": ["{1: 4959.95652173913, 0: nan}", "{1: 4959.95652173913, 0: nan}"]})
df['B'] = df["A"].apply(lambda x: eval(x))
print(df)

输出：

                               A                              B
0  {1: 4959.95652173913, 0: nan}  {1: 4959.95652173913, 0: nan}
1  {1: 4959.95652173913, 0: nan}  {1: 4959.95652173913, 0: nan}