如何在Pandas DataFrame中移除request_headers列表内指定name的字典？

不用折腾explode拆分再合并的复杂流程，直接对request_headers列的每个字典列表做过滤操作，简单高效还不容易出错。

1. 准备测试数据 #

先构造一个和你场景匹配的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'id': [1, 2],
    'request_headers': [
        [{"name": "name1", "value": "value1"}, {"name": "name2", "value": "value2"}],
        [{"name": "name2", "value": "value2"}, {"name": "name3", "value": "value3"}]
    ]
})

2. 单黑名单值的过滤实现 #

设置好黑名单后，用apply配合列表推导式，直接剔除指定name的字典元素：

blacklist = "name2"

# 对request_headers列的每个列表执行过滤
df['request_headers'] = df['request_headers'].apply(
    lambda headers: [h for h in headers if h['name'] != blacklist]
)

3. 查看处理结果 #

执行后，request_headers列会按要求保留符合条件的元素：

id                     request_headers
0   1  [{'name': 'name1', 'value': 'value1'}]
1   2  [{'name': 'name3', 'value': 'value3'}]

4. 扩展：支持多黑名单值 #

如果你的黑名单是多个name组成的列表（比如blacklist = ["name2", "name3"]），只需修改判断条件为not in：

blacklist = ["name2", "name3"]
df['request_headers'] = df['request_headers'].apply(
    lambda headers: [h for h in headers if h['name'] not in blacklist]
)

这种方法直接在原列上做元素过滤，不需要拆分重组DataFrame，代码简洁且运行效率更高，完美解决你之前拆合并带来的问题。

内容的提问来源于stack exchange，提问作者user2913139