如何在Python DataFrame中从Object类型列提取坐标（无需迭代）

你当前用字符串切片提取坐标的方式太依赖固定字符位置，一旦JSON格式出现变动（比如多了空格、键的顺序调整）就会失效，这里给你几个更稳健且无需手动迭代的方案：

方案一：用pd.json_normalize解析JSON（最稳健） #

这个方法是pandas官方推荐的处理JSON列的方式，能完美适配标准JSON格式，不受键顺序、空格等因素影响：

import pandas as pd
import json

# 将JSON字符串列转为字典列表
location_dicts = trip_data['pickuplocation'].apply(json.loads)
# 展开JSON为结构化DataFrame
normalized_df = pd.json_normalize(location_dicts)
# 拆分coordinates数组为单独的纬度、经度列
trip_data['latitude'] = normalized_df['coordinates'].str[0].astype(float)
trip_data['longitude'] = normalized_df['coordinates'].str[1].astype(float)

方案二：用正则表达式提取（速度快） #

如果你的JSON格式非常固定，也可以用正则直接匹配坐标数值，无需导入json模块，操作更轻量化：

import pandas as pd

# 用正则匹配方括号内的两个浮点数
coords = trip_data['pickuplocation'].str.extract(r'\[([\d.]+),\s*([\d.]+)\]')
# 将提取结果转为float类型并赋值给新列
trip_data['latitude'] = coords[0].astype(float)
trip_data['longitude'] = coords[1].astype(float)

为什么不推荐切片方法？ #

切片完全依赖字符串的固定长度和字符位置，比如[31:-13]这种写法，只要JSON里多一个空格、键名长度变化，就会提取出错误的数值，容错性极差，生产环境里绝对不建议用。

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