如何在Pandas中按列内字典的值筛选DataFrame行？

你的场景示例 #

你现在有这样的DataFrame，其中Location列的每个元素都是字典：

import pandas as pd

df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Aritra'],
                   'Age': [25, 30, 35],
                   'Location': [
                      {'City': 'Seattle', 'State': 'WA'}, 
                      {'City': 'New York', 'State': 'NY'}, 
                      {'City': 'Albany', 'State': 'NY'}
                    ]
                    })

输出的DataFrame如下：

Name  Age                              Location
0  Alice   25  {'City': 'Seattle', 'State': 'WA'}
1    Bob   30  {'City': 'New York', 'State': 'NY'}
2  Aritra  35    {'City': 'Albany', 'State': 'NY'}

你想筛选出State为NY的行，但直接用df[df['Location']['State'] == 'NY']会报错——因为df['Location']是Series对象，不能直接用字典键索引，必须逐行处理每个字典元素。

方法1：用apply逐行提取字典值筛选 #

这是最直接的处理方式，通过apply遍历Location列的每个字典，提取State值并判断是否符合条件：

# 生成筛选掩码：判断每个字典的State是否为NY
mask = df['Location'].apply(lambda x: x['State'] == 'NY')
# 应用掩码筛选目标行
result_df = df[mask]

执行后就能得到你想要的结果：

Name  Age                              Location
1    Bob   30  {'City': 'New York', 'State': 'NY'}
2  Aritra  35    {'City': 'Albany', 'State': 'NY'}

方法2：展开字典列为独立字段后筛选 #

如果需要频繁使用字典里的City、State等字段，可以先把字典列展开成单独的DataFrame，再和原表合并，之后就能像操作普通列一样筛选：

# 将Location列的字典展开为独立的City、State列
location_details = df['Location'].apply(pd.Series)
# 合并原DataFrame和展开后的字段
merged_df = pd.concat([df, location_details], axis=1)

# 直接筛选State为NY的行
result_df = merged_df[merged_df['State'] == 'NY']

合并后的DataFrame会新增City和State列，后续的筛选、分析操作都会更便捷，不用再反复处理字典结构。

内容的提问来源于stack exchange，提问作者BGaraiko