如何将含复杂Series的DataFrame转换为目标结构的新DataFrame

假设你的原始DataFrame名为original_df，其中存储复杂结构的列名为CashFlow，可以通过以下步骤实现转换：

1. 提取字典中的列表数据
   先把每个单元格里字典的CashFlowDto对应列表提取出来：

   original_df['cash_flow_items'] = original_df['CashFlow'].apply(lambda x: x['CashFlowDto'])
   

2. 将列表拆分为多行
   使用explode方法把每个列表中的元素拆成单独的行：

   exploded_df = original_df.explode('cash_flow_items')
   

3. 将字典结构解析为列
   用pd.json_normalize把每行的字典转换成对应的列：

   import pandas as pd
   final_df = pd.json_normalize(exploded_df['cash_flow_items'])
   

4. 保留原始索引（可选）
   如果需要保留原DataFrame的整数索引列，将其合并到结果中：

   final_df = final_df.join(exploded_df.reset_index()[['index']])
   # 调整列顺序，把原始索引放到最前面
   final_df = final_df[['index', 'TicketId', 'Type', 'Amount', 'PercentualAmount', 'MaturityDate', 'PaymentDate']]
   

执行完以上步骤后，就能得到你需要的目标DataFrame——每行对应原列表中的一个字典项，所有键都转换为单独的列。

内容的提问来源于stack exchange，提问作者pedrosjo