如何将Pandas DataFrame中字典列表列拆解为多列

我有一个结构如下的Pandas DataFrame：

market_hash_name                                  prices
0   10 Year Birthday Sticker Capsule    [{'market': 'gamerpay', 'price': 88, 'quantity...
1   1st Lieutenant Farlow | SWAT    [{'market': 'skinbid', 'price': 311, 'quantity...
2   2020 RMR Challengers    [{'market': 'skinbid', 'price': 15, 'quantity'...
3   2020 RMR Contenders [{'market': 'skinbid', 'price': 14, 'quantity'...
4   2020 RMR Legends    [{'market': 'skinbid', 'price': 14, 'quantity'...

希望将prices列（每行包含一个字典列表）拆解为新列，以字典中的market值作为列名，对应price值作为列数据，目标格式如下：

market_hash_name                      gamerpay        skinbid        csgofloat  
0   10 Year Birthday Sticker Capsule         88             86              75

每个prices列的字典列表最多包含22个来自不同市场的字典，尝试过pd.Series()和pd.json_normalize()方法，但结果不符合预期，寻求解决方案。

直接通过以下代码即可实现需求：

import pandas as pd

# 假设你的原始DataFrame名为df
# 处理prices列：将每行的字典列表转为{市场名: 价格}的字典，再转为Series
price_cols = df['prices'].apply(lambda lst: pd.Series({item['market']: item['price'] for item in lst}))

# 合并原DataFrame的market_hash_name列与处理后的价格列
final_df = pd.concat([df['market_hash_name'], price_cols], axis=1)

# 可选：填充缺失的价格值（比如用0）
final_df = final_df.fillna(0)

# 查看结果
print(final_df)

关键逻辑说明 #

• 利用apply遍历prices列的每个字典列表，通过字典推导式提取market和price的映射关系，再转为Series——这样每个市场会自动成为一列，该行没有的市场值会被填充为NaN。
• pd.concat横向合并列，得到目标格式的DataFrame。

如果之前用pd.json_normalize没成功，是因为json_normalize默认处理的是字典而非字典列表，需要先将列表展开再处理，但上述方法更直接高效。

内容的提问来源于stack exchange，提问作者vaccuate