如何用Pandas提取commissionAmount列中的数值以实现透视表求和？

针对你遇到的commissionAmount列是字典格式的问题，这里有几种简单直接的处理方法：

• 方法一：用Pandas的str.get()快速提取值
  这是最简洁的方式，适合列中大部分元素都是字典的情况：

  # 从字典列中提取amount字段，生成新的数值列
  df['commission_amount'] = df['commissionAmount'].str.get('amount')
  
  # 之后就可以正常创建透视表求和了
  summary_pivot = df.pivot_table(
      values='commission_amount',
      index='你的分组列名称',  # 替换成你实际需要分组的列
      aggfunc='sum'
  )
  

• 方法二：用apply()做自定义提取（兼容非字典元素）
  如果列里存在空值或非字典格式的元素，可以加个类型判断避免报错：

  # 提取amount，遇到非字典元素返回None
  df['commission_amount'] = df['commissionAmount'].apply(
      lambda x: x['amount'] if isinstance(x, dict) else None
  )
  
  # 可选：删除空值行（如果需要）
  df = df.dropna(subset=['commission_amount'])
  
  # 创建透视表
  summary_pivot = df.pivot_table(values='commission_amount', index='分组列', aggfunc='sum')
  

• 方法三：用json_normalize()展开字典列
  如果需要同时保留currency字段，这种方法可以把字典直接拆成多列：

  from pandas import json_normalize
  
  # 展开字典列成单独的amount和currency列
  dict_cols = json_normalize(df['commissionAmount'])
  # 和原表合并
  df = pd.concat([df, dict_cols], axis=1)
  
  # 用展开后的amount列做透视表
  summary_pivot = df.pivot_table(values='amount', index='分组列', aggfunc='sum')
  

处理完之后，新生成的数值列就可以正常用于求和、透视表等操作了。

内容的提问来源于stack exchange，提问作者Steve