如何将Pandas DataFrame中字典的值提取为新列？

方法1：使用pd.json_normalize（推荐，大数据量更高效） #

针对你的场景，字典值是单元素列表，需先提取列表内的标量，再与原DataFrame合并：

import pandas as pd

# 初始DataFrame
df = pd.DataFrame({'a': [1, 2, 3], 'b': [{'x':[101], 'y': [102], 'z': [103]}, {'x':[201], 'y': [202], 'z': [203]}, {'x':[301], 'y': [302], 'z': [303]}]})

# 解析字典列，提取列表中的标量值
dict_df = pd.json_normalize(df['b']).apply(lambda col: col.str[0])

# 合并原列与新生成的列
df_result = pd.concat([df['a'], dict_df], axis=1)

print(df_result)

输出结果：

a    x    y    z
0  1  101  102  103
1  2  201  202  203
2  3  301  302  303

方法2：使用apply(pd.Series) #

数据量不大时，可直接将字典转成Series再处理：

# 把字典列转为DataFrame，提取列表内的标量
dict_df = df['b'].apply(pd.Series).apply(lambda col: col.str[0])

# 合并得到结果
df_result = pd.concat([df['a'], dict_df], axis=1)

补充说明 #

你之前用apply得到的是嵌套列表，核心问题是没把字典直接拆分成列。上面两种方法直接将字典的键映射为列名、值映射为对应行内容，再处理列表转标量的问题，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者user7468395