如何展开Pandas列中的嵌套字典？

我有一个DataFrame，其中某一列包含嵌套字典，原始数据如下：

ID dict
1  {Comp A: {Street: 123 Street}, Comp B: {Street: 456 Street}}
2  {Comp C: {Street: 749 Street}}
3  {Comp D: {Street: }}

我希望将该字典展开为如下结构的DataFrame：

ID  company_name  street
1   Comp A        123 Street
1   Comp B        456 Street
2   Comp C        749 Street
3   Comp D

我尝试了以下代码：

dft['dict'] = df.dict.apply(eval)
dft = dft.explode('dict')

这段代码能正确生成ID和company_name列，但还没找到展开street列的方法。

可复现的字典形式数据：

data = [{'ID': 1,   'entity_details': "{'comp a': {'street_address': '123 street'}}"},  
{'ID': 2,   'entity_details': "{'comp b': {'street_address': '456 street'}}"},{'ID': 3,   'entity_details': "{'comp c': {'street_address': '555 street'},'comp d': {'street_address': '585 street'}, 'comp e': {'street_address': '873 street'}}"},  
{'ID': 4,   'entity_details': "{'comp f': {'street_address': '898 street'}}"}]

解决方案 #

方法一：列表推导式（直观易读） #

直接遍历每行数据和嵌套字典的键值对，整理成目标格式的列表后转成DataFrame，同时能处理空地址的情况：

import pandas as pd
import ast

# 加载数据
df = pd.DataFrame(data)

# 将字符串格式的字典转为实际字典对象（用ast.literal_eval更安全，避免恶意代码风险）
df['entity_details'] = df['entity_details'].apply(ast.literal_eval)

# 整理数据为目标格式
rows = []
for _, row in df.iterrows():
    comp_dict = row['entity_details']
    for comp_name, addr_info in comp_dict.items():
        rows.append({
            'ID': row['ID'],
            'company_name': comp_name,
            'street': addr_info['street_address'] or None  # 空地址转为None，显示为空
        })

# 生成最终DataFrame
final_df = pd.DataFrame(rows)

方法二：结合explode和apply（利用Pandas内置方法） #

如果更倾向于用Pandas的链式操作，可以这样写：

import pandas as pd
import ast

df = pd.DataFrame(data)
df['entity_details'] = df['entity_details'].apply(ast.literal_eval)

# 先将每个嵌套字典转为键值对列表，再展开
df['company_info'] = df['entity_details'].apply(lambda x: list(x.items()))
df_expanded = df.explode('company_info', ignore_index=True)

# 拆分公司名和地址
df_expanded[['company_name', 'street_info']] = pd.DataFrame(df_expanded['company_info'].tolist(), index=df_expanded.index)
df_expanded['street'] = df_expanded['street_info'].apply(lambda x: x['street_address'] or None)

# 保留需要的列
final_df = df_expanded[['ID', 'company_name', 'street']]

结果示例 #

运行上述代码后，得到的final_df结构如下：

ID company_name      street
0   1       comp a  123 street
1   2       comp b  456 street
2   3       comp c  555 street
3   3       comp d  585 street
4   3       comp e  873 street
5   4       comp f  898 street

如果原始数据中存在空地址（比如{'comp g': {'street_address': ''}}），代码会自动将street列转为空值，符合需求。

内容的提问来源于stack exchange，提问作者Mek