如何将Pandas中JSON字典格式的字符串列解析为独立新列？

你的问题核心在于存储的字符串是单引号格式的伪JSON，而标准JSON要求双引号，直接用json_normalize或tolist无法识别。下面是具体的解决步骤：

步骤1：清洗并解析字符串 #

先把单引号替换为双引号，再用json.loads转成Python可识别的列表/字典结构：

import pandas as pd
import json

def parse_user_inputs(input_str):
    try:
        # 替换单引号为双引号，适配JSON标准格式
        cleaned_str = input_str.replace("'", '"')
        # 解析为Python列表
        input_data = json.loads(cleaned_str)
        # 返回列表中的第一个字典（你的示例里每个单元格都是单元素列表）
        return input_data[0] if input_data else {}
    except Exception as e:
        # 处理解析失败的情况，返回空字典避免中断
        print(f"解析错误: {e}")
        return {}

步骤2：解析为多列并合并 #

将解析后的字典序列规范化为DataFrame，再和原数据合并：

# 假设你的数据集叫df，对userInputs列应用解析函数
parsed_series = df['userInputs'].apply(parse_user_inputs)

# 将字典序列展开为多列
normalized_df = pd.json_normalize(parsed_series)

# 合并原数据与新列（删除原userInputs列）
final_df = pd.concat([df.drop('userInputs', axis=1), normalized_df], axis=1)

效果说明 #

运行后，final_df会新增userID、milesRequested、WhPerMile等列，对应的值会自动填充到每一行。

内容的提问来源于stack exchange，提问作者ast