如何在Pandas中展开DataFrame内字典并关联原有列？

直接上干货，用explode+json_normalize+concat的组合就能搞定，不用循环，代码简洁还高效：

步骤拆解（附示例） #

假设你的原始DataFrame长这样：

import pandas as pd

df = pd.DataFrame({
    'cityId': ['C001', 'C002'],
    'regionId': ['R001', 'R002'],
    'data': [
        [{'code': 'A', 'date': '2023-01-01', 'value': 10}, {'code': 'B', 'date': '2023-01-02', 'value': 20}],
        [{'code': 'C', 'date': '2023-01-03', 'value': 30}]
    ]
})

1. 拆分data列的列表：用explode把每个字典拆成单独一行，此时cityId和regionId会自动对应到每一行：

df_exploded = df.explode('data').reset_index(drop=True)

2. 解析字典列：用json_normalize把data列的字典转成结构化的列：

df_parsed = pd.json_normalize(df_exploded['data'])

3. 拼接原列和解析后的列：因为两者索引完全对齐，直接用pd.concat横向拼接就行：

final_df = pd.concat([df_exploded[['cityId', 'regionId']], df_parsed], axis=1)

为啥之前join/merge会重复？ #

大概率是你没处理索引，或者merge时没指定唯一键导致匹配混乱。而concat依赖索引对齐，只要df_exploded和df_parsed的索引一致，就不会出现重复列或匹配错误的问题。

更简洁的写法（一行搞定） #

如果想省行数，可以把步骤合并：

final_df = df.explode('data').pipe(lambda x: pd.concat([x[['cityId', 'regionId']], pd.json_normalize(x['data'])], axis=1))

内容的提问来源于stack exchange，提问作者KurczakChrupiacy2