多字典列展开：将15个含字典值的列转为键为索引的数据集

直接用以下代码处理所有列，最终得到以字典键为索引的数据集：

import pandas as pd

# 假设你的原始数据集是df，所有列都是需要处理的字典列
processed_dfs = []
for col_name in df.columns:
    # 将当前列的每个字典展开为DataFrame，再转置让字典键成为索引
    expanded_df = df[col_name].apply(pd.Series).T
    # 把转置后的列名改为原列名，方便后续合并识别
    expanded_df.columns = [col_name]
    processed_dfs.append(expanded_df)

# 合并所有处理后的列
final_result = pd.concat(processed_dfs, axis=1)

代码说明 #

• df[col_name].apply(pd.Series)：把列中每个字典拆成一行，原数据的行索引保留，新列是字典的键。
• .T：转置后，字典的键会变成新的行索引，原数据的行索引变成列名，这时我们把列名替换成原列名，避免混乱。
• pd.concat(..., axis=1)：把所有列的处理结果按列合并，最终生成的数据集就是以字典键为索引、原数据列为列的目标格式。

如果你的原始数据中只有部分列是字典列，只需要把df.columns换成你需要处理的列名列表即可，比如['halstead_vol', 'cyclomatic_complexity', ...]。

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