如何从含JSON数据的Pandas DataFrame提取最新年份及对应值作为新列？

针对你的需求，这里提供两种实现方式，分别适用于JSON中year列表有序递增和无序的场景：

场景1：year列表按时间递增（如示例数据） #

这种情况直接取year和val列表的最后一个元素即可：

import pandas as pd
import json

# 原始数据
data = {
    'id': [1, 2, 3],
    'name': ['Alice', 'Bob', 'Charlie'],
    'json_data': [
        '{"year": [2000, 2001, 2002], "val": [10, 20, 30]}',
        '{"year": [2003, 2004, 2005], "val": [50, 60, 70]}',
        '{"year": [2006, 2007, 2008], "val": [80, 90, 85]}'
    ]
}
df = pd.DataFrame(data)

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

# 提取最新年份和对应值
df['Most Recent Year'] = df['parsed_json'].apply(lambda x: x['year'][-1])
df['Most Recent val'] = df['parsed_json'].apply(lambda x: x['val'][-1])

# 移除中间解析列（可选）
df.drop('parsed_json', axis=1, inplace=True)

print(df)

输出结果： #

场景2：year列表无序（需找最大值对应的val） #

如果JSON中的year列表不是按顺序排列的，需要先找到最大年份的索引，再匹配对应的val：

import pandas as pd
import json

# 模拟无序year的测试数据
data_unordered = {
    'id': [4],
    'name': ['Dave'],
    'json_data': ['{"year": [2010, 2008, 2012], "val": [100, 150, 120]}']
}
df_unordered = pd.DataFrame(data_unordered)

# 解析JSON
df_unordered['parsed_json'] = df_unordered['json_data'].apply(json.loads)

# 自定义函数提取最新年份和对应值
def get_latest_item(item):
    max_year = max(item['year'])
    max_idx = item['year'].index(max_year)
    return max_year, item['val'][max_idx]

# 批量提取并生成新列
df_unordered[['Most Recent Year', 'Most Recent val']] = df_unordered['parsed_json'].apply(get_latest_item).apply(pd.Series)

# 移除中间列
df_unordered.drop('parsed_json', axis=1, inplace=True)

print(df_unordered)

输出结果： #

内容的提问来源于stack exchange，提问作者kms