如何拆分DataFrame的键值对字符串列并以键作为列名？

你的列内容是标准JSON格式字符串，手动用逗号拆分的方式不仅麻烦，还容易在复杂场景下出错（比如值中包含逗号/冒号的情况），推荐用以下两种可靠方法实现需求：

方法1：使用pd.json_normalize（推荐） #

这是Pandas专门处理JSON格式数据的工具，直接解析字符串并展开为结构化表格：

import pandas as pd
import json

# 假设你的原始DataFrame名为data，目标列是'demographic'
# 先将每个JSON字符串转为Python字典
data['demographic'] = data['demographic'].apply(json.loads)
# 展开为结构化DataFrame
result = pd.json_normalize(data['demographic'])

如果数据来源可信，也可以用eval简化（但注意不可信数据别用，有安全风险）：

result = pd.json_normalize(data['demographic'].apply(eval))

执行后result就是你需要的结构化表格：

方法2：基于字符串拆分的手动解析（不推荐，仅作参考） #

如果一定要延续你之前的拆分思路，可以手动处理每一行的字符串，但要注意清理引号和大括号：

import pandas as pd

def parse_demographic(row):
    # 去掉首尾的大括号
    clean_row = row.strip('{}')
    # 按逗号拆分键值对
    kv_pairs = clean_row.split(',')
    # 遍历拆分键和值，清理引号
    parsed_dict = {}
    for pair in kv_pairs:
        key, value = pair.split(':')
        parsed_dict[key.strip('"')] = value.strip('"')
    return pd.Series(parsed_dict)

result = data['demographic'].apply(parse_demographic)

⚠️ 注意：这个方法仅适用于示例中的简单场景，如果值中包含逗号、冒号或引号，会直接解析失败，因此优先用方法1。

内容的提问来源于stack exchange，提问作者sssxxxyyy