1. 查看服务器日志看到错误：TypeError: Object of type NAType is not JSON serializable，从字面可以看到大约是NATYPE类型的数据序列化出错。

2. chatgpt查了下这个错误，解释：

这个错误表明在尝试将某个对象序列化为 JSON 格式时，遇到了无法被 JSON 序列化的对象类型，具体来说是 NAType 对象。NAType 通常表示 Pandas 中的缺失值（Not a Type）。

1. 那错误原因就很明显了

接口返回时可能是由于某个地方返回了包含 Pandas DataFrame 或 Series 的数据结构，而其中包含了 Pandas 的 pd.NA 缺失值，而 JSON 序列化操作无法处理这种对象。

1. 然后取查看代码，找到pd处理的地方。

    ……
      query_sql = text("""
                         select name, 
                         json_unquote(json_extract(detail, '$.t1')) as t1,
                         json_unquote(json_extract(detail, '$.t2')) as t2,
                         from `test` where id = :id;
                     """)
      ……
      if 't1' in data_df.columns:
          data_df['t1'] = data_df['t1'].fillna(np.nan)
          data_df['t1'] = data_df['t1'].astype(pd.Int64Dtype())
      if 't2' in data_df.columns:
          data_df['t2'] = data_df['t2'].fillna(np.nan)
          data_df['t2'] = data_df['t2'].astype(pd.Int64Dtype())
      ……
      content = data_df.to_dict(orient='records')[0]
      return Response(data={
          ……
          'content':content
      })
   

2. 代码初衷

3. 库里json字段的t1/t2类型是数值类型或者为空。但是pd从库里读到的t1/t2字段在df表现是string类型，还可能是None。

4. 返回需求是int类型，由于直接用astype因为None缘故会报错。所以用了fillna和pd.Int64Dtype。
5. 如此就可以将包含None的string类型的字段转为int类型。（后来意识到应该是Int64类型）

6. 此时为空的应是np.nan类型，表现上是None（……）。然后转为字典返回前端。

7. 修改，那就换一种方式

   data_df['t1'] = data_df['t1'].apply( lambda x: int(x) if isinstance(x, str) else x)

8. 备注：

   • 在开发环境用接口软件测试是原先的转换方法是可以的，不报错。
   • 在生产环境原先的转换方法报错，修改可以了。

9. 疑惑：原因知道了，但是不理解。为什么我用接口测试软件测试正常，但是到了线上出错……