如何从DataFrame列提取字典列表并生成结构化DataFrame？

解决方案 #

可以通过 pandas 的 explode + json_normalize 组合快速实现需求，以下是具体步骤和代码示例：

1. 拆分列表为单行字典 #

先用 explode 把 row 列中每个列表拆成单独行，让每个字典占据一行：

exploded_df = df.explode('row', ignore_index=True)

2. 解析字典为结构化字段 #

用 json_normalize 将字典列直接解析成多列的结构化DataFrame：

structured_df = pd.json_normalize(exploded_df['row'])

3. 字段重命名（可选） #

如果需要把原字典里的 acceleration 改成 acc 这类自定义字段名，用 rename 方法：

structured_df = structured_df.rename(columns={
    'acceleration': 'acc',
    # 其他需要重命名的字段按需添加
})

4. 按video_second排序 #

最后用 sort_values 按 video_second 字段排序，同时重置索引：

final_df = structured_df.sort_values('video_second').reset_index(drop=True)

合并成一行简化代码 #

如果不需要保留中间步骤，可以把流程合并成链式调用：

final_df = (
    df.explode('row', ignore_index=True)
    .pipe(lambda x: pd.json_normalize(x['row']))
    .rename(columns={'acceleration': 'acc'})
    .sort_values('video_second')
    .reset_index(drop=True)
)

注意事项 #

如果原始DataFrame除了row列还有其他需要保留的关联字段（比如主表的标识id），在explode后不要丢弃，解析时可以合并：

exploded_df = df.explode('row', ignore_index=True)
structured_df = pd.concat([
    exploded_df.drop('row', axis=1),
    pd.json_normalize(exploded_df['row'])
], axis=1)

内容的提问来源于stack exchange，提问作者Altan Halıgür