如何将DataFrame中字符串型序列列转换为指定字典结构？

你的apply函数之所以会按单个字符遍历，核心问题是没有先把字符串形式的序列解析成真正的Python列表对象，而是直接对字符串本身做遍历操作。下面是具体的解决方案：

步骤1：导入依赖库 #

import pandas as pd
import ast

ast.literal_eval()是安全解析字符串形式Python字面量的工具，比eval()更安全，不会执行恶意代码。

步骤2：定义转换函数 #

多维序列列转嵌套字典 #

针对单元格为二维列表字符串（如"[['v','b','c'],['d','i','w']]"）的列，定义转换函数：

def multi_seq_to_nested_dict(seq_str):
    # 将字符串解析为二维列表
    seq_list = ast.literal_eval(seq_str)
    # 构建嵌套字典：外层键为子序列索引，内层键为元素索引
    nested_dict = {}
    for sub_idx, sub_seq in enumerate(seq_list):
        inner_dict = {elem_idx: elem for elem_idx, elem in enumerate(sub_seq)}
        nested_dict[sub_idx] = inner_dict
    return nested_dict

一维序列列转普通字典 #

针对单元格为一维列表字符串（如"['#ff0000','#00fe00','#0000ff']"）的列，定义转换函数：

def single_seq_to_dict(seq_str):
    # 将字符串解析为一维列表
    seq_list = ast.literal_eval(seq_str)
    # 构建以元素索引为键的字典
    return {idx: elem for idx, elem in enumerate(seq_list)}

步骤3：对DataFrame列应用转换函数 #

假设你的DataFrame名为df，多维序列列是multi_col，一维序列列是single_col，执行以下代码：

# 处理多维序列列，生成嵌套字典列
df['multi_dict_col'] = df['multi_col'].apply(multi_seq_to_nested_dict)

# 处理一维序列列，生成普通字典列
df['single_dict_col'] = df['single_col'].apply(single_seq_to_dict)

示例验证 #

假设原始DataFrame为：

df = pd.DataFrame({
    'multi_col': ['[["v","b","c"],["d","i","w"]]', '[["x","y"],["z"]]'],
    'single_col': ['["#ff0000","#00fe00"]', '["#0000ff","#ffff00","#ff00ff"]']
})

转换后df['multi_dict_col']的结果：

0    {0: {0: 'v', 1: 'b', 2: 'c'}, 1: {0: 'd', 1: 'i', 2: 'w'}}
1                {0: {0: 'x', 1: 'y'}, 1: {0: 'z'}}
Name: multi_dict_col, dtype: object

df['single_dict_col']的结果：

0              {0: '#ff0000', 1: '#00fe00'}
1    {0: '#0000ff', 1: '#ffff00', 2: '#ff00ff'}
Name: single_dict_col, dtype: object

注意事项 #

• 如果你的多维序列字符串缺少外层方括号（比如直接是["v","b"],["d","i"]），需要先补全格式：seq_str = f"[{seq_str}]"再解析。
• 若字符串存在语法错误（如引号不匹配），ast.literal_eval()会报错，需先清洗数据格式。

内容的提问来源于stack exchange，提问作者skrtsway