如何将DataFrame中的嵌套整数列表字符串转为扁平化列表？

核心思路 #

先将字符串形式的嵌套列表解析为Python原生嵌套列表对象，再逐层展开并过滤空列表，最终得到仅包含有效数值的扁平化列表。

实现步骤及代码 #

1. 导入依赖模块
   用ast.literal_eval安全解析字符串格式的列表（比直接用eval更安全，避免执行恶意代码），结合pandas处理DataFrame：

import pandas as pd
import ast

2. 定义转换函数

def flatten_nested_str(s):
    # 把字符串转成嵌套列表
    nested_list = ast.literal_eval(s)
    # 过滤空列表并扁平化：遍历每个子列表，收集非空列表的所有元素
    flattened = [num for sublist in nested_list if sublist for num in sublist]
    return flattened

3. 测试单个字符串

a = '[],[79, 82],[82],[]'
b = '[],[71, 85],[44],[], [], [], [78,99,120,33],[]'

print(flatten_nested_str(a))  # 输出: [79, 82, 82]
print(flatten_nested_str(b))  # 输出: [71, 85, 44, 78, 99, 120, 33]

4. 批量处理DataFrame列
   假设你的DataFrame名为df，目标处理列是target_col，用apply实现批量转换：

df['flattened_col'] = df['target_col'].apply(flatten_nested_str)

补充说明 #

• ast.literal_eval仅能解析Python字面量结构（如列表、字典、数字等），完全适配这类字符串格式的嵌套列表解析场景。
• 列表推导式的逻辑是先判断子列表是否非空，再提取其中的所有元素，一步完成过滤与扁平化操作，简洁高效。

内容的提问来源于stack exchange，提问作者SimAzz