我建议
1.将所有json转换为dict
1.将每个dict转换为DataFrame

1. concat所有子帧，保留索引
   本例中的数据为series。它还将'替换为"：

import json
pd.concat([pd.DataFrame(json.loads(s), index=[ind]) for ind, s in series.str.replace('\'', '"').items()], sort=False)

length  style   width   id      mfg
1   27 mm   Short   9 mm    NaN     NaN
2   51 mm   Long    9 mm    NaN     NaN
5   29 mm   Medium  9 mm    16684   NaN
6   29 mm   Medium  7 mm    NaN     45-163
8   33 mm   Medium  8 mm    NaN     NaN

假设你有有效的JSON（e。例如，双引号、有效语法等，请参见Viacheslav Zhukov's answer中的讨论），在您的系列中，您还可以使用

import json
pd.DataFrame(
    my_json_series.apply(json.loads).to_list()
    , index=my_json_series.index  # optional if you want to keep the index
)

避免了for循环/列表解析，并且速度快了很多。
这些步骤相当
1.将每个JSON转换为dict
1.把所有的单词合并成一个列表
1.从列表中创建DataFrame
此外，我没有得到一个正确的MultiIndex与建议的for循环。

In [110]: %%timeit
     ...: my_out_df1 = pd.DataFrame(
     ...:     my_json_series.apply(json.loads).to_list()
     ...:     , index=my_json_series.index  # optional if you want to keep the index
     ...: )
362 ms ± 5.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [111]: %%timeit
     ...: my_out_df_2 = pd.concat(
     ...:     [pd.DataFrame(json.loads(s), index=[ind])
     ...:      for ind, s in my_json_series.items()],
     ...:     sort=False
     ...: )
14.9 s ± 310 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

我必须补充的是，我测试了一个完全不同的系列，我的每个JSON中有4个元素，系列中有大约10，000个元素。