如何从Pandas DataFrame字典列提取数值并替换NaN为0？

现有如下Pandas DataFrame：

需求是从各列的字典中提取'all'对应的数值，同时把NaN替换为0。你已经能对单个元素用.values()拿到结果，但不知道怎么批量处理整个DataFrame，这里给你两种实用的方法：

方法一：用applymap自定义处理函数 #

适合需要自定义逻辑的场景，比如键不固定或者需要额外判断的情况：

import pandas as pd

# 构造示例DataFrame（已有数据可跳过此步）
data = {'A': [{'all':44}, None], 'B': [{'all':16}, {'all':175}]}
df = pd.DataFrame(data)

# 定义处理单个元素的函数
def extract_dict_value(x):
    return x['all'] if not pd.isna(x) else 0

# 对整个DataFrame的每个元素应用函数
df_processed = df.applymap(extract_dict_value)

处理后的结果：

方法二：用str.get+fillna快速处理 #

如果所有字典的键都是固定的'all'，这个方法更简洁：

# 对每一列提取字典的'all'值，再把NaN替换为0
df_processed = df.apply(lambda col: col.str.get('all').fillna(0))

col.str.get('all')会自动遍历列中的每个元素，提取字典里的'all'值，原本的NaN位置会保留为NaN，最后用fillna(0)统一替换成0，效果和方法一完全一致。

内容的提问来源于stack exchange，提问作者SSD