如何在Pandas DataFrame行中展开字典并设置唯一列名？

算力阿峰

2026-8-12

问题描述

我有一个如下所示的DataFrame，其中Col1列的每行都是字典：

Col1                A      B
{'A': 1, 'B': 23}   apple  carrot 
{'A': 3, 'B': 35}   banana spinach

希望展开Col1列，将DataFrame转换为如下形式：

Col1.A Col1.B  A      B
1       23    apple  carrot
3       35    banana spinach

请问如何用Python的Pandas实现？是否有其他方法？尝试过pd.explode但新生成的列名重复，该如何避免？

解决方案

方法1：使用`pd.json_normalize`（推荐）

这是Pandas专门为嵌套字典设计的展开工具，简单高效：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Col1': [{'A': 1, 'B': 23}, {'A': 3, 'B': 35}],
    'A': ['apple', 'banana'],
    'B': ['carrot', 'spinach']
})

# 展开Col1并添加前缀避免列名冲突，再合并原表其他列
expanded_df = pd.json_normalize(df['Col1']).add_prefix('Col1.').join(df.drop('Col1', axis=1))

print(expanded_df)

运行后直接得到目标格式，add_prefix('Col1.')是关键——给展开后的列加上前缀，完美避开原表的A、B列名重复问题。

方法2：用`apply`+`pd.Series`手动展开

如果想更直观地控制展开过程，可以用apply把每行字典转成Series，再拼接回原表：

# 把Col1的字典转成带前缀的列
expanded_col1 = df['Col1'].apply(pd.Series).add_prefix('Col1.')
# 拼接原表去掉Col1的部分
expanded_df = pd.concat([expanded_col1, df.drop('Col1', axis=1)], axis=1)

这个方法逻辑清晰，适合理解基础原理，同样靠add_prefix解决列名重复。