如何在Pandas中展平嵌套字典列表并提取拼接text字段值？

针对你这种包含嵌套字典列表且存在NaN值的DataFrame，可以通过自定义函数结合apply方法提取所有text字段的值并拼接成连续文本：

步骤1：定义文本提取函数 #

这个函数会处理NaN值，逐层解析嵌套结构，筛选出所有type为text的项并提取对应文本：

import pandas as pd

def extract_and_join_text(list_dict_data):
    if pd.isna(list_dict_data):
        return ""
    text_items = []
    # 遍历每个段落对象
    for para in list_dict_data:
        # 遍历段落内的内容元素，兼容缺失'content'的情况
        for content_item in para.get('content', []):
            if content_item.get('type') == 'text':
                text_items.append(content_item['text'])
    # 用空格拼接所有文本
    return ' '.join(text_items)

步骤2：应用函数到DataFrame #

将函数应用到list_dict列，生成新的提取后文本列：

# 假设你的DataFrame名为df
df['extracted_text'] = df['list_dict'].apply(extract_and_join_text)

处理效果示例 #

针对你提供的快照数据，处理后的结果如下：

内容的提问来源于stack exchange，提问作者Jimmys