如何将JSON字符串解析为Python Pandas DataFrame的行

场景说明 #

现有如下DataFrame：

需要将dates列中每个字典的键转为date列、对应值转为value列，每个键值对单独成一行，最终得到：

解决方案 #

情况1：dates列已为Python字典类型 #

直接通过apply(pd.Series)展开字典，再用stack()将列转为行：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'user': ['a', 'b'],
    'dates': [{"2024-05-16": -167}, {"2024-03-28": -104, "2024-04-12": -108}]
})

# 展开字典并转换格式
df_expanded = df.set_index('user')['dates'].apply(pd.Series).stack().reset_index()
# 重命名列名
df_expanded.columns = ['user', 'date', 'value']

print(df_expanded)

情况2：dates列为JSON字符串格式 #

如果dates存储的是字符串形式的字典，需先解析为Python字典，再执行上述步骤：

import pandas as pd
import json

# 构造原始DataFrame（dates为JSON字符串）
df = pd.DataFrame({
    'user': ['a', 'b'],
    'dates': ['{"2024-05-16": -167}', '{"2024-03-28": -104, "2024-04-12": -108}']
})

# 解析JSON字符串为字典
df['dates'] = df['dates'].apply(json.loads)

# 后续步骤同情况1
df_expanded = df.set_index('user')['dates'].apply(pd.Series).stack().reset_index()
df_expanded.columns = ['user', 'date', 'value']

print(df_expanded)

输出结果 #

执行代码后即可得到目标格式的DataFrame：

user        date  value
0    a  2024-05-16   -167
1    b  2024-03-28   -104
2    b  2024-04-12   -108

内容的提问来源于stack exchange，提问作者Woody