TypeError: Object of type int64 is not JSON serializable
json.dumps nu știe să scrie numerele NumPy (int64), care vin din calculele pandas (sum, count, max). Transformă-le în numere Python cu int(x) sau .item(), ori lasă pandas să scrie JSON-ul cu df.to_json().
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Modulul json din Python știe să scrie doar tipurile Python de bază: dict, list, str, int, float, bool, None. Când faci df["suma"].sum() sau df["id"].max(), rezultatul nu e un int Python, ci un numpy.int64. Arată la fel când îl afișezi, dar json.dumps nu îl recunoaște.
Se întâmplă des când construiești un răspuns pentru un API sau un fișier de configurare din rezultate pandas. Mesajul are și o linie de context, de exemplu „when serializing dict item 'total'”, care îți arată cheia problematică.
Aceeași eroare apare cu int32, bool (un numpy.bool dintr-o comparație), ndarray (o coloană întreagă, .values) sau Timestamp (o dată pandas). numpy.float64 nu dă eroarea, pentru că e derivat din float Python.
De ce apare: cauzele frecvente
1Rezultatul unui calcul pandas pus într-un dicționar
raport = {"total": df["suma"].sum()}
json.dumps(raport)raport = {"total": int(df["suma"].sum())}
json.dumps(raport)int(...) transformă numpy.int64 într-un int Python, pe care json îl știe. Pentru orice scalar NumPy merge și .item().
2O coloană întreagă în JSON
json.dumps({"preturi": df["pret"].values})json.dumps({"preturi": df["pret"].tolist()}).tolist() transformă coloana într-o listă de valori Python obișnuite.
3Tot tabelul scris manual
json.dumps(df.to_dict(orient="records")) # cu date Timestamptext = df.to_json(orient="records", date_format="iso")df.to_json știe toate tipurile pandas și NumPy, inclusiv datele calendaristice.
Repară eroarea, direct în pagină
Codul de mai jos construiește un mic raport JSON din vânzări, dar json.dumps dă TypeError: Object of type int64 is not JSON serializable. Repară raportul ca să afișeze textul JSON cu numărul de comenzi și totalul vânzărilor.
import json
import pandas as pd
df = pd.DataFrame({"client": ["Ana", "Dan", "Ana", "Ioana"], "suma": [120, 80, 45, 200]})
raport = {"comenzi": len(df), "total": df["suma"].sum()}
print(json.dumps(raport)){"comenzi": 4, "total": 445}Indiciu
Transformă rezultatele pandas în numere Python cu int(...).
Reparația
import json
import pandas as pd
df = pd.DataFrame({"client": ["Ana", "Dan", "Ana", "Ioana"], "suma": [120, 80, 45, 200]})
raport = {"comenzi": len(df), "total": int(df["suma"].sum())}
print(json.dumps(raport))De ce merge
len(df) e deja un int Python, dar df["suma"].sum() întoarce numpy.int64, pe care modulul json nu îl poate scrie. int(...) îl transformă în număr Python cu aceeași valoare, 120 + 80 + 45 + 200 = 445, iar json.dumps produce textul raportului.
Alte forme ale mesajului
TypeError: Object of type int32 is not JSON serializableTypeError: Object of type bool is not JSON serializableTypeError: Object of type ndarray is not JSON serializableTypeError: Object of type Timestamp is not JSON serializable
Cum o eviți pe viitor
- Când scoți un rezultat din pandas spre JSON, convertește-l:
int(x),float(x),x.item(),serie.tolist(). - Pentru tabele întregi folosește
df.to_json(...). - Dacă ai multe valori NumPy într-o structură, poți da un convertor:
json.dumps(date, default=lambda o: o.item() if hasattr(o, "item") else str(o)). - Testează serializarea pe date reale, nu doar pe exemple scrise de mână cu numere Python.
Întrebări frecvente
De ce float64 merge și int64 nu?
numpy.float64 e o subclasă a lui float din Python, deci json îl acceptă. numpy.int64 nu moștenește din int, așa că trebuie convertit.
Ce face .item()?
Întoarce valoarea ca tip Python echivalent: np.int64(5).item() dă 5 de tip int, np.bool_(True).item() dă True. Merge pe orice scalar NumPy.
Erori înrudite
TypeError: only 0-dimensional arrays can be converted to Python scalars Ai încercat să transformi un array cu mai multe valori într-un singur număr Python: float(a), int(a) sau o funcție din math (math.sqrt(a)). Asta merge doar pentru un array cu o singură valoare. Reduce întâi array-ul (a.mean(), a.sum(), a[0]) sau folosește funcțiile NumPy, care lucrează pe tot array-ul. ValueError: Expected object or value pd.read_json nu a găsit JSON valid la începutul textului. Cauze tipice: textul folosește ghilimele simple (e un dict Python afișat cu str()), fișierul e gol sau conține altceva (HTML, CSV). Generează textul cu json.dumps() și verifică ce e în fișier. TypeError: must be real number, not Series Ai dat o coloană întreagă unei funcții din modulul math (math.sqrt, math.log, math.exp), care lucrează doar cu un singur număr. Folosește echivalentul din NumPy, care lucrează pe toată coloana: np.sqrt(df["x"]), np.log(df["x"]). Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
