如何将DataFrame中的字典列拆分为新列并保留索引以合并至原数据表？

遇到这种索引不对齐的情况，核心是要让拆分后的统计列DataFrame和原DataFrame保持相同的索引，这样合并时就能准确对应每一行数据。下面给你两种实用的解决方案：

方法1：用apply(pd.Series)拆分（推荐，更简洁） #

apply(pd.Series)会自动将每个字典转换成对应的列，并且保留原DataFrame的索引，完美解决对齐问题：

import pandas as pd

# 假设你的原DataFrame是df
# 拆分stats列，自动保留原索引
stats_columns = df['stats'].apply(pd.Series)

# 合并原DataFrame（去掉stats列）和拆分后的列
final_df = pd.concat([df.drop('stats', axis=1), stats_columns], axis=1)

运行后final_df就会包含原有的ID、name、value列，以及拆分后的mean、median、std列，每一行数据都能正确对应。

方法2：手动给json_normalize结果设置索引 #

如果你更习惯用pd.json_normalize，只需要手动把拆分后的DataFrame索引设置为原DataFrame的索引即可：

# 用json_normalize拆分，然后重置索引为原df的索引
stats_columns = pd.json_normalize(df['stats']).set_index(df.index)

# 合并到原DataFrame
final_df = pd.concat([df.drop('stats', axis=1), stats_columns], axis=1)

这样做的原理是：pd.json_normalize默认会生成从0开始的新索引，我们通过set_index(df.index)强制让它使用原DataFrame的索引，确保合并时行对齐。

你可以打印final_df验证结果，应该就能得到你想要的结构啦！

内容的提问来源于stack exchange，提问作者Birish