将Pandas DataFrame类JSON字符串列转为作者信息DataFrame

步骤1：将字符串格式的类JSON数据转为Python对象 #

你的authorships列是字符串类型的数组，首先需要把每个单元格的内容转换成可操作的Python列表（内含字典）。用json.loads配合pandas.Series.apply完成转换：

import json
import pandas as pd

# 将字符串转为Python列表
df['authorships_parsed'] = df['authorships'].apply(json.loads)

步骤2：将每个作者信息拆分为单独行 #

使用explode方法把列表里的每个字典拆成单独行，实现"每行对应一位作者"的需求：

# 拆分每个作者为单独行
df_exploded = df.explode('authorships_parsed', ignore_index=True)

步骤3：扁平化嵌套的作者信息 #

用pd.json_normalize处理拆分后的字典，自动提取author嵌套字段（如id、display_name），同时保留authorships_parsed里的其他字段（如author_position、is_corresponding）：

# 扁平化嵌套结构
final_df = pd.json_normalize(df_exploded['authorships_parsed'])

完整代码示例 #

整合所有步骤的完整代码：

import json
import pandas as pd

# 假设原始DataFrame名为df
# 1. 解析字符串为Python对象
df['authorships_parsed'] = df['authorships'].apply(json.loads)
# 2. 拆分每个作者为单行
df_exploded = df.explode('authorships_parsed', ignore_index=True)
# 3. 扁平化嵌套数据
final_df = pd.json_normalize(df_exploded['authorships_parsed'])

# 查看结果
print(final_df.head())

额外说明 #

• 最终生成的final_df中，author.id、author.display_name、author.orcid会作为独立列存在，同时保留author_position、is_corresponding等原有字段。
• 如果原始DataFrame包含文章ID、标题等其他列，可通过以下方式保留并合并：

# 保留原DataFrame的其他列，与扁平化后的作者数据合并
final_df = pd.concat([df_exploded.drop('authorships_parsed', axis=1), final_df], axis=1)

内容的提问来源于stack exchange，提问作者Wildcat PhD