Python - TypeError: объект типа int64 не сериализуемый JSON

json не распознает типы данных NumPy. Преобразуйте номер в Python int перед сериализацией объекта:

'count__c': int(store['count'].iloc[i])

Другой вариант - при создании фрейма данных использовать dtype=str

Например, если вы загрузили store из файла csv:

import pandas as pd
store = pd.read_csv('store.csv', dtype=str)

Затем все имеет тип str, который можно сериализовать в json.

Вы можете определить свой собственный кодировщик для решения этой проблемы.

import json
import numpy as np

class NpEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, np.integer):
            return int(obj)
        elif isinstance(obj, np.floating):
            return float(obj)
        elif isinstance(obj, np.ndarray):
            return obj.tolist()
        else:
            return super(NpEncoder, self).default(obj)

# Your codes .... 
json.dumps(data, cls=NpEncoder)

Это может быть поздний ответ, но недавно я получил ту же ошибку. После долгого серфинга это решение мне помогло.

def myconverter(obj):
        if isinstance(obj, np.integer):
            return int(obj)
        elif isinstance(obj, np.floating):
            return float(obj)
        elif isinstance(obj, np.ndarray):
            return obj.tolist()
        elif isinstance(obj, datetime.datetime):
            return obj.__str__()

Вызовите myconverter в json.dumps(), как показано ниже. json.dumps('message', default=myconverter)

Я брошу свой ответ кольцу как более стабильную версию отличное решение @Jie Yang.

Мое решение

numpyencoder и его хранилище.

from numpyencoder import NumpyEncoder

numpy_data = np.array([0, 1, 2, 3])

with open(json_file, 'w') as file:
    json.dump(numpy_data, file, indent=4, sort_keys=True,
              separators=(', ', ': '), ensure_ascii=False,
              cls=NumpyEncoder)

Поломка

Если вы углубитесь в код Хмаллена в файле numpyencoder/numpyencoder.py, вы увидите, что он очень похож на ответ @Jie Yang:

class NumpyEncoder(json.JSONEncoder):
    """ Custom encoder for numpy data types """
    def default(self, obj):
        if isinstance(obj, (np.int_, np.intc, np.intp, np.int8,
                            np.int16, np.int32, np.int64, np.uint8,
                            np.uint16, np.uint32, np.uint64)):

            return int(obj)

        elif isinstance(obj, (np.float_, np.float16, np.float32, np.float64)):
            return float(obj)

        elif isinstance(obj, (np.complex_, np.complex64, np.complex128)):
            return {'real': obj.real, 'imag': obj.imag}

        elif isinstance(obj, (np.ndarray,)):
            return obj.tolist()

        elif isinstance(obj, (np.bool_)):
            return bool(obj)

        elif isinstance(obj, (np.void)): 
            return None

        return json.JSONEncoder.default(self, obj)

Очень простой кодировщик numpy может достичь аналогичных результатов в более общем плане.

Обратите внимание, что здесь используется класс np.generic (от которого наследуется большинство классов np) и метод a.item().

Если объект для кодирования не является экземпляром numpy, сериализатор json продолжит работу в обычном режиме. Это идеально подходит для словарей с несколькими объектами numpy и некоторыми другими объектами классов.

import json
import numpy as np

def np_encoder(object):
    if isinstance(object, np.generic):
        return object.item()

json.dumps(obj, default=np_encoder)

Если у вас есть эта ошибка

TypeError: Object of type 'int64' is not JSON serializable

Вы можете изменить эти конкретные столбцы с помощью int dtype на float64, например:

df = df.astype({'col1_int':'float64', 'col2_int':'float64', etc..})

Float64 отлично записывается в Google Spreadsheets

Если вы собираетесь сериализовать массив numpy, вы можете просто использовать метод ndarray.tolist().

От numpy docs,

a.tolist() is almost the same as list(a), except that tolist changes numpy scalars to Python scalars

In [1]: a = np.uint32([1, 2])

In [2]: type(list(a)[0])
Out[2]: numpy.uint32

In [3]: type(a.tolist()[0])
Out[3]: int

Если у вас есть контроль над созданием DataFrame, вы можете заставить его использовать стандартные типы Python для значений (например, int вместо numpy.int64), установив для dtype значение object:

df = pd.DataFrame(data=some_your_data, dtype=object)

Очевидным недостатком является то, что вы получаете меньшую производительность, чем с примитивными типами данных. Но мне нравится это решение, оно действительно простое и устраняет все возможные проблемы типов. Не надо никаких подсказок ORM или json.

У меня получилось заставить работать с загрузкой дампа.

Код:

import json

json.loads(json.dumps(your_df.to_dict()))