将Pandas DataFrame的JSON列转换为作者与机构列表列

步骤说明 #

假设你的DataFrame已命名为df，authorships列的每个元素是解析后的JSON数组（若为字符串格式，需先转为Python对象）。

1. 预处理（若authorships为字符串格式） #

如果authorships列存储的是JSON字符串而非Python列表，先执行以下转换：

import pandas as pd
import json

df['authorships'] = df['authorships'].apply(json.loads)

2. 提取所有作者名称生成authors列 #

将每个条目中的作者display_name提取出来，可选择以逗号分隔的字符串或列表形式存储：

字符串格式（逗号分隔）

df['authors'] = df['authorships'].apply(
    lambda x: ', '.join([entry['author']['display_name'] for entry in x])
)

列表格式

df['authors'] = df['authorships'].apply(
    lambda x: [entry['author']['display_name'] for entry in x]
)

3. 提取去重后的机构名称生成institutions列 #

遍历所有作者条目下的机构，提取display_name并去重，同样支持两种存储格式：

字符串格式（逗号分隔）

df['institutions'] = df['authorships'].apply(
    lambda x: ', '.join(
        list({inst['display_name'] for entry in x for inst in entry['institutions']})
    )
)

列表格式

df['institutions'] = df['authorships'].apply(
    lambda x: list({inst['display_name'] for entry in x for inst in entry['institutions']})
)

内容的提问来源于stack exchange，提问作者Lusian