如何按CostCenter键对含键值对标签列的Pandas DataFrame分组？

步骤说明 #

1. 修复键值对字符串格式：当前Tags列的内容是缺少外层大括号的JSON片段，先补全为合法JSON格式，再解析成字典。
2. 提取CostCenter字段：从解析后的字典中提取CostCenter对应的值，生成单独的列。
3. 执行分组操作：基于新生成的CostCenter列进行分组。

完整代码示例 #

import pandas as pd
import json

# 构造示例数据
data = {
    'Tags': [
        '"CostCenter": "Marketing", "Manager": "John Doe"',
        '"CostCenter": "Sales", "Manager": "Jane Smith"',
        '"CostCenter": "Marketing", "Manager": "Bob Brown"',
        '"Manager": "Alice Lee"'  # 无CostCenter的情况
    ]
}
df = pd.DataFrame(data)

# 解析Tags列为字典
df['Tags_dict'] = df['Tags'].apply(
    lambda x: json.loads(f'{{{x}}}') if x.strip() else {}
)

# 提取CostCenter，无该键时返回None
df['CostCenter'] = df['Tags_dict'].apply(lambda x: x.get('CostCenter'))

# 按CostCenter分组并统计每组行数
group_count = df.groupby('CostCenter').size()
print("分组统计结果：")
print(group_count)

# 遍历分组查看详细数据
print("\n各分组详情：")
for center, group in df.groupby('CostCenter'):
    print(f"=== {center} ===")
    print(group[['Tags']])

注意事项 #

• 如果Tags列的字符串存在单引号、转义字符等格式问题，可以先用str.replace统一替换为双引号，确保JSON解析正常。
• 对于没有CostCenter的行，可通过df = df.dropna(subset=['CostCenter'])过滤，或用x.get('CostCenter', 'Unknown')设置默认值。

内容的提问来源于stack exchange，提问作者Gill-Bates