如何在Pandas DataFrame中提取methods列的嵌套字典值

问题背景 #

用户拥有如下结构的Pandas DataFrame：

df= pd.DataFrame({'methods': {0: {'get': 12,
   'post': 4,
   'put': 1,
   'delete': 1,
   'patch': 0,
   'head': 0,
   'options': 0,
   'trace': 0,
   'connect': 0},
  1: {'get': 13,
   'post': 4,
   'put': 1,
   'delete': 1,
   'patch': 0,
   'head': 0,
   'options': 0,
   'trace': 0,
   'connect': 0},
  2: {'get': 13,
   'post': 4,
   'put': 1,
   'delete': 1,
   'patch': 0,
   'head': 0,
   'options': 0,
   'trace': 0,
   'connect': 0},
  3: {'get': 3,
   'post': 1,
   'put': 2,
   'delete': 1,
   'patch': 1,
   'head': 0,
   'options': 0,
   'trace': 0,
   'connect': 0,
   'parameters': {'$numberDouble': 'NaN'}},
  4: {'get': 3,
   'post': 1,
   'put': 2,
   'delete': 1,
   'patch': 1,
   'head': 0,
   'options': 0,
   'trace': 0,
   'connect': 0,
   'parameters': {'$numberDouble': 'NaN'}}},
 'averageNumberOfOperationsPerPath': {0: 1.2857142857142851,
  1: 1.266666666666666,
  2: 1.266666666666666,
  3: 3.333333333333333,
  4: 3.333333333333333},
 'api_spec_id': {0: 84, 1: 84, 2: 84, 3: 124, 4: 124}})

需要将methods列中的get、post、put等字段提取为单独列，尝试过eval()函数及以下代码但未成功：

df1 = df.pop('methods').str.strip('{').str.split(':',expand=True).astype(float)

可行实现方案 #

方法1：使用pd.json_normalize()直接展开嵌套字典 #

pd.json_normalize()是处理嵌套字典/JSON结构的专用工具，能一键将methods列的字典展开为单独列，还会自动处理额外的parameters嵌套字段：

# 展开methods列的字典为新DataFrame
methods_df = pd.json_normalize(df['methods'])

# 将展开后的列与原DataFrame合并（若需保留原其他列）
result_df = pd.concat([df.drop('methods', axis=1), methods_df], axis=1)

方法2：过滤指定字段后展开 #

如果只需要提取HTTP方法相关字段（忽略parameters），可以先过滤字典内容，再用apply(pd.Series)展开：

# 定义需要提取的HTTP方法列表
http_methods = ['get', 'post', 'put', 'delete', 'patch', 'head', 'options', 'trace', 'connect']

# 过滤每个字典，仅保留指定字段，再展开为列
methods_df = df['methods'].apply(lambda x: {k: v for k, v in x.items() if k in http_methods}).apply(pd.Series)

# 合并到原DataFrame
result_df = pd.concat([df.drop('methods', axis=1), methods_df], axis=1)

结果说明 #

• 方法1会保留所有字段，包括parameters.$numberDouble列；
• 方法2仅保留指定的HTTP方法字段，更贴合只提取方法计数的需求。

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