Python：如何将含字典的DataFrame列转换为目标多列

错误原因分析 #

你遇到的TypeError: 'str' object does not support item assignment，核心问题是：dictionary列存储的是字符串格式的字典，而非真正的Python字典对象。当你遍历row['dictionary']时，实际是在遍历字符串的每个字符，dct是单个字符（字符串类型），因此无法执行字典赋值操作。

完整实现步骤 #

1. 导入依赖库 #

import pandas as pd
import ast

2. 转换字符串格式字典为真实字典 #

使用ast.literal_eval()安全地将字符串转为字典（比eval()更安全，避免代码注入风险）：

# 假设你的原始DataFrame名为df
df['dictionary'] = df['dictionary'].apply(ast.literal_eval)

3. 提取目标数据并重组结构 #

通过遍历每行数据，提取日期、国家名称和对应fees.total值，再按日期分组整理成目标格式：

data_list = []
for _, row in df.iterrows():
    # 取出嵌套字典中的country部分
    country_data = row['dictionary']['country']
    # 获取国家名称（排除'fees'键，只取国家标识）
    country_name = next(key for key in country_data.keys() if key != 'fees')
    # 提取fees中的total值
    fee_total = country_data['fees']['total']
    # 整理成字典存入列表
    data_list.append({
        'date': row['date'],
        country_name: fee_total
    })

# 转为临时DataFrame
temp_df = pd.DataFrame(data_list)
# 按date分组，将同一日期的不同国家数据转为列，缺失值填充为NaN
df_final = temp_df.groupby('date').first().reset_index()

最终结果 #

运行后即可得到你需要的df_final：

date   USA  France    UK
0 2021-01-01 00:00:00+00:00  55.0    30.0   NaN
1 2021-01-02 00:00:00+00:00   NaN     NaN  24.0

内容的提问来源于stack exchange，提问作者MathMan 99