如何从Pandas字典列生成新列？现有方法存在值覆盖问题

问题场景 #

假设你的Pandas DataFrame中有一列存储着字典数据，示例数据如下：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'dictionary': [
        {'A': 'apple', 'B': 'bucket', 'C': 'cat'},
        {'A': 'apple1', 'B': 'bucket1', 'D': 'doggy1'}
    ]
})

需求是将字典中的每个键值对展开为单独的列，键作为列名，对应值填入，缺失的键填充为None，同时保留原dictionary列，期望结果如下：

A       B     C       D             dictionary
0   apple  bucket  cat    None  {'A': 'apple', 'B': 'bucket', 'C': 'cat'}
1  apple1 bucket1 None  doggy1  {'A': 'apple1', 'B': 'bucket1', 'D': 'doggy1'}

原代码的问题 #

你尝试用pd.apply和自定义函数实现，但出现了整列值被覆盖、原列丢失的问题，原代码如下：

def dic_mapper(dic):
    for k, v in dic.items():
        df[k] = v

df['dictionary'] = df['dictionary'].apply(lambda x: dic_mapper(x) if x else None)

问题出在：

• 函数内直接对df[k]赋值，每次循环会将整列覆盖为当前行的字典值，最终所有行都会是最后一行的字典内容
• apply将原dictionary列替换成了函数的返回值（函数无return，所以是None），导致原列丢失

正确解决方案 #

方法一：用pd.DataFrame构造后合并 #

将字典列转换为新的DataFrame，再和原DataFrame横向合并：

# 从字典列生成新的DataFrame，缺失键自动填充为NaN（显示为None）
dict_expanded = pd.DataFrame(df['dictionary'].tolist())
# 合并原DataFrame和展开后的DataFrame，保留原dictionary列
result_df = pd.concat([df, dict_expanded], axis=1)

方法二：用apply(pd.Series)结合join #

这是更简洁的写法，直接将每个字典转为Series，自动对齐列后与原DataFrame合并：

result_df = df.join(df['dictionary'].apply(pd.Series))

两种方法都能实现需求，且不会修改原数据，自动处理缺失的键，完美保留原dictionary列。

内容的提问来源于stack exchange，提问作者amnesic