这个错误通常出现在尝试将一个对象（例如 Pandas 的 `DataFrame`）序列化为 JSON 时，而该对象并不是直接可被 JSON 序列化的类型。 ### 错误原因分析 当你试图通过以下代码将某个对象转换成 JSON 字符串时： ```python json.dumps(some_object) ``` 如果 `some_object` 是一个 Pandas 的 `DataFrame` 类型，则会抛出类似下面的异常： ```plaintext TypeError: Object of type DataFrame is not JSON serializable ``` 这是因为标准库中的 `json` 模块无法自动识别并处理像 Pandas `DataFrame` 这样的复杂数据结构。 --- ### 解决方案 以下是几种解决此问题的方式： #### 方法一：先将 `DataFrame` 转换为字典或其他简单结构 Pandas 提供了许多内置函数可以直接把 `DataFrame` 转换成更容易序列化的格式。最常用的是 `.to_dict()` 或者 `.to_json()` 函数。 ##### 示例代码： ```python import pandas as pd import json # 创建一个简单的 DataFrame df = pd.DataFrame({ 'A': [1, 2], 'B': ['x', 'y'] }) # 将 DataFrame 转换为字典再序列化为 JSON json_str = json.dumps(df.to_dict(), indent=4) print(json_str) # 直接转为 JSON 字符串 json_str_direct = df.to_json(orient='records') print(json_str_direct) ``` #### 方法二：自定义编码器扩展默认行为 如果你需要更通用地支持各种类型的序列化操作，你可以创建一个继承自 `JSONEncoder` 的类来自定义其序列化逻辑。 ##### 示例代码： ```python import pandas as pd import json from json import JSONEncoder class CustomEncoder(JSONEncoder): def default(self, o): if isinstance(o, pd.DataFrame): # 判断是否为 DataFrame 对象 return o.to_dict() # 自动将其转化为字典形式 elif hasattr(o, '__dict__'): # 支持普通对象也能够进行序列化 return o.__dict__ else: return super().default(o) df = pd.DataFrame({ 'A': [1, 2], 'B': ['x', 'y'] }) result = json.dumps(df, cls=CustomEncoder, ensure_ascii=False) print(result) ``` #### 方法三：手动遍历整个数据集做预处理 对于某些特殊场景下我们也可以选择逐层递归检查所有元素，并针对特定不可序列化的项目单独处理它们。 --- ### 总结建议 最好的实践通常是优先考虑利用现有框架所提供的工具方法来进行数据格式转化工作，这样不仅可以减少不必要的麻烦同时还能提升整体效率与兼容性！