如何用更高效的Pandas方法将每行单字典列表转为列名与列数据？

直接用下面两种Pandas原生方法就能搞定，不需要自定义函数，步骤更简洁高效：

方法一：矢量化操作（大数据集首选） #

利用str[0]直接取出每行列表里的唯一字典，再通过pd.DataFrame()自动展开键为列、值为行：

# 提取字典并转为DataFrame
sentiment_df = pd.DataFrame(analyze['sentiment'].str[0].tolist())
# 合并回原DataFrame（可选，根据需求保留原列或替换）
analyze = pd.concat([analyze.drop('sentiment', axis=1), sentiment_df], axis=1)

方法二：简化apply操作 #

如果数据量不大，也可以用apply(pd.Series)直接展开字典：

# 展开字典为新列
sentiment_df = analyze['sentiment'].str[0].apply(pd.Series)
# 合并回原表
analyze = analyze.join(sentiment_df)

效果说明 #

不管用哪种方法，原来每行的[{'label': 'POSITIVE', 'score': 0.9969509840011597}]都会被转换成两列：

• label列：对应值为POSITIVE
• score列：对应值为0.9969509840011597

对比你之前的自定义函数方法，这两种原生方法无需额外编写转换函数，而且方法一的矢量化操作（str[0]+tolist()）比apply自定义函数的效率高很多，尤其处理大规模数据时差异更明显。

内容的提问来源于stack exchange，提问作者Ja4H3ad