如何为含嵌套结构列的Pandas DataFrame添加计算列？

你的核心问题是：直接用[0]取的是整个x列的第一行数据，而非每行内部列表的第一个元素，导致assign时出现长度不匹配的报错。要实现逐行提取列表内字典的值，需要用Pandas的逐行处理或向量化操作方法。

针对测试数据的解决方法 #

以你的测试数据df_test['a']为例，x列每个元素是包含单个字典的列表，以下两种方法可以实现需求：

方法1：用apply逐行处理 #

apply可以对Series的每个元素执行自定义逻辑，这里我们对每行的x元素先取列表第一个元素（字典），再提取对应键的值：

df_test['a'] = df_test['a'].assign(y=df_test['a']['x'].apply(lambda row_x: row_x[0]['a']))

执行后得到目标结果：

方法2：用str索引（更高效） #

Pandas支持用str操作访问嵌套结构的元素，这是向量化操作，比apply更适合大数据量：

df_test['a'] = df_test['a'].assign(y=df_test['a']['x'].str[0].str['a'])

• str[0]：取每行x列表的第一个元素（即字典）
• str['a']：从字典中提取键为'a'的值

批量处理DataFrame字典并合并 #

如果你需要处理df_test里的所有DataFrame（比如'a'、'b'），之后合并，可以循环批量处理：

import pandas as pd

# 遍历所有DataFrame，添加y列
for key in df_test:
    df_test[key]['y'] = df_test[key]['x'].str[0].str['a']

# 合并所有DataFrame
merged_df = pd.concat(df_test.values(), ignore_index=True)

为什么之前的代码报错？ #

你写的df_test['a'].assign(y = df_test['a']['x'][0])中，df_test['a']['x'][0]取的是x列的第一行完整数据（即[{'a':1}]），这是一个长度为1的列表，但原DataFrame有2行，assign要求新列长度必须和原DataFrame行数一致，因此触发Length of values (1) does not match length of index (2)错误。

而apply或str方法是对每行的x元素单独操作，返回的是和原DataFrame行数一致的Series，因此能正常赋值。

内容的提问来源于stack exchange，提问作者FRE