DataFrame含字典列展开失败：原因排查与解决方法

你原来的代码核心问题出在pd.concat的默认行为上：concat默认是按行拼接（axis=0），相当于把原DataFrame p 和展开后的event_properties DataFrame的行上下堆叠，而非左右合并。所以你查询前两行时，取的是原p的行——原p里并没有author列，自然显示NaN，展开后的列数据其实在结果的后半部分，完全不符合你要的“原数据与展开列并列”的需求。

方法1：修正concat的轴参数 #

明确指定axis=1让concat按列合并：

p = df.copy()
# 从event_properties列提取字典列表生成新DataFrame
event_properties = pd.DataFrame(p['event_properties'].tolist())
# 按列拼接原数据和展开后的列
df = pd.concat([p, event_properties], axis=1)
# 可选：删除原event_properties列（如果不需要保留的话）
df = df.drop('event_properties', axis=1)

方法2：用pd.json_normalize高效处理 #

针对字典列的展开需求，pandas提供了专门的json_normalize方法，处理大型DataFrame时效率更高，还能自动处理嵌套字典：

# 直接展开event_properties列的所有字典键为新列
expanded_df = pd.json_normalize(df['event_properties'])
# 按列合并原DataFrame和展开后的结果
df = pd.concat([df, expanded_df], axis=1)
# 可选：删除原event_properties列
df = df.drop('event_properties', axis=1)

执行以上任意一种方法后，再查询df[['event_properties', 'author']][:2]，就能看到author列正确填充对应的值，不存在该键的行则自动填充NaN（对应你说的None，pandas中用NaN表示缺失值）。

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