如何在Pandas中拆分Shopify订单数据的字典列表为多行多列

原始数据 #

你的Shopify Order API返回数据整理后的简化DataFrame如下：

处理步骤 #

直接用Pandas就能完成拆分，步骤如下：

1. 构造/加载原始数据（模拟你的数据）

import pandas as pd

data = {
    'order_id': ['123', '122', ''],
    'name': ['Jon Doe', 'Jonah Doe', ''],
    'item_order': [
        [{'id':789,'price':40.0,'sku':'HAT'},{'id':790,'price':41.0,'sku':'SHIRT'}],
        [{'id':553,'price':20.0,'sku':'CAP'}],
        []
    ]
}
df = pd.DataFrame(data)

2. 过滤空行
   先把无有效订单ID的空记录去掉：

df = df[df['order_id'].str.strip() != ''].reset_index(drop=True)

3. 拆分商品列表
   用explode把每个订单里的商品字典拆成单独一行：

df_exploded = df.explode('item_order', ignore_index=True)

4. 展开字典为列
   用json_normalize把字典格式的商品信息展开成单独列，同时给列名加上item_order.前缀：

from pandas import json_normalize

df_items = json_normalize(df_exploded['item_order']).add_prefix('item_order.')

5. 合并数据
   把原数据（去掉item_order列）和展开后的商品列合并：

final_df = pd.concat([df_exploded.drop('item_order', axis=1), df_items], axis=1)

最终结果 #

处理后得到的DataFrame格式如下：

注意事项 #

如果你的item_order字段是字符串格式（不是已解析的列表字典），需要先转成Python对象：

import ast
df['item_order'] = df['item_order'].apply(lambda x: ast.literal_eval(x) if x.strip() != '' else [])

内容的提问来源于stack exchange，提问作者user15368200