如何在Pandas中访问字典式DataFrame的指定键值（如Kwh1）

根据你的数据形式，分两种常见情况处理：

情况1：DataFrame的列名就是Kwh1、Kwh2等（标准结构化DataFrame） #

这是最常见的场景，直接通过列索引即可获取：

• 获取单列Series：

  kwh1_series = df['Kwh1']
  

• 获取单列DataFrame（保持二维结构）：

  kwh1_df = df[['Kwh1']]
  

如果列名没有空格、特殊字符，也可以用点属性简化：

kwh1_series = df.Kwh1

情况2：DataFrame的某列存储字典（你的示例看起来像每行是一个字典） #

如果你的DataFrame里是某一列（比如命名为data）存放着示例中的字典，需要先提取字典内的Kwh1值：

方法1：用apply提取 #

# 新增Kwh1列，提取字典中的对应值
df['Kwh1'] = df['data'].apply(lambda x: x['Kwh1'])
# 获取Kwh1对应的DataFrame
kwh1_df = df[['Kwh1']]

方法2：用pd.json_normalize展开字典列 #

如果需要一次性展开所有字典键为列，推荐用这个方法：

import pandas as pd
# 将字典列展开为结构化DataFrame
df_normalized = pd.json_normalize(df['data'])
# 再提取Kwh1列
kwh1_df = df_normalized[['Kwh1']]

模拟示例代码 #

以你的数据为例，完整可运行的代码：

import pandas as pd

# 模拟数据（对应情况1）
raw_data = [
    {'Kwh1': '3750.13', 'Kwh2': '3456.04'},
    {'Kwh1': '3750.14', 'Kwh2': '3456.04'},
    {'Kwh1': '3750.15', 'Kwh2': '3456.04'}
]
df = pd.DataFrame(raw_data)

# 获取Kwh1的DataFrame
kwh1_df = df[['Kwh1']]
print(kwh1_df)

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