如何将Pandas DataFrame中JSON字符串列拆分为多列多行？

现有一个Pandas DataFrame，其中json列存储的是JSON格式的字符串（数组形式），需要将该列拆分为对应的多列和多行，解决原JSON字符串过长存入SQL时被截断的问题。当前DataFrame与目标DataFrame示例如下：

当前DataFrame #

目标DataFrame #

通过以下步骤完成转换：

1. 导入pandas和json库
2. 将json列的字符串解析为Python对象（列表/字典）
3. 把列表类型的json列拆分为多行（空列表保留原行）
4. 将字典类型的字段展开为多列
5. 合并原DataFrame的非json列与展开后的列

完整代码示例：

import pandas as pd
import json

# 构造示例DataFrame
df = pd.DataFrame({
    'Department': [1, 2, 3, 4],
    'Value': ['A', 'B', 'C', 'D'],
    'json': [
        '[{"employeeID":123,"name":"Jenny"}, {"employeeID":456,"name":"Mike"}, {"employeeID":789,"name":"Ricky"}]',
        '[{"employeeID":735,"name":"Todd", "badgeNo":84639}, {"employeeID":223,"name":"Greg", "badgeNo":93649}]',
        '[]',
        '[{"employeeID":947,"name":"Cardi"}, {"employeeID":284,"name":"Tom"}]'
    ]
})

# 解析JSON字符串为Python对象
df['json'] = df['json'].apply(json.loads)

# 拆分JSON列表为多行，空列表保留原行
df_exploded = df.explode('json', ignore_index=True)

# 将字典展开为多列，缺失字段用NaN填充
df_normalized = pd.json_normalize(df_exploded['json'])

# 合并原列与展开后的列
result = pd.concat([df_exploded.drop('json', axis=1), df_normalized], axis=1)

# 把NaN替换为空字符串，匹配目标格式（可选）
result = result.fillna('')

print(result)

代码说明 #

• json.loads：将JSON字符串转换为Python可处理的列表/字典对象
• explode('json', ignore_index=True)：把每个列表元素拆成单独行，重置索引避免重复
• pd.json_normalize()：自动将字典的键转为列，缺失字段用NaN填充
• fillna('')：将NaN替换为空字符串，和目标示例格式一致，不需要可省略

内容的提问来源于stack exchange，提问作者Jwest