如何从Pandas DataFrame的列表嵌套字典列提取值？

你用str.fullmatch完全找错路子了——这个函数是用来判断整个字符串是否完全匹配某个正则表达式的，而你的age列是列表嵌套字典的结构化数据，不是纯字符串，所以肯定没用。

下面分几种常见场景给你解决办法：

场景1：每个age单元格是单元素列表，字典里有age_message键 #

比如单元格内容是[{"age_message": "30岁"}]，直接用apply提取：

df['age_clean'] = df['age'].apply(lambda x: x[0]['age_message'] if x else None)

怕遇到空列表、键不存在的情况，加个异常处理更稳：

def get_age(item):
    try:
        return item[0]['age_message']
    except (IndexError, KeyError, TypeError):
        return None

df['age_clean'] = df['age'].apply(get_age)

场景2：每个age单元格是多元素列表，要提取所有age_message值 #

比如单元格内容是[{"age_message": "25岁"}, {"age_message": "30岁"}]，可以选以下两种提取方式：

# 提取成逗号分隔的字符串
df['age_clean'] = df['age'].apply(lambda x: ','.join([d.get('age_message') for d in x]) if x else None)

# 提取成列表保留原结构
df['age_clean'] = df['age'].apply(lambda x: [d.get('age_message') for d in x] if x else None)

场景3：如果age列是字符串格式的列表字典（爬取时存成了字符串） #

比如单元格内容是'[{"age_message": "28岁"}]'，得先把字符串转成结构化数据：

import ast

# 先把字符串转成列表字典
df['age'] = df['age'].apply(ast.literal_eval)
# 再用场景1或2的方法提取
df['age_clean'] = df['age'].apply(lambda x: x[0]['age_message'] if x else None)

为啥你原来的代码没用？ #

dff['age'].str.fullmatch('age_message')是把每个单元格当成字符串处理，检查它的字符串形式是不是完全等于age_message——你的单元格是列表字典，转成字符串后肯定和age_message不一样，所以结果要么全是False，要么直接报错。

内容的提问来源于stack exchange，提问作者Mela