在Pandas中将含字典列表的列拆分为多列的实现方法

问题场景 #

现有DataFrame结构如下：

id | name | servicePlans
------------------------
1  | xyz  | [{'servicePlanId': '1',
             'servicePlanName': 'A',
             'provisioningStatus': 'X',
             'appliesTo': 'User'},

             {'servicePlanId': '2',
             'servicePlanName': 'B',
             'provisioningStatus': 'Y',
             'appliesTo': 'User'},

             {'servicePlanId': '3',
             'servicePlanName': 'C',
             'provisioningStatus': 'Z',
             'appliesTo': 'User'}]
...

需要将servicePlans列中的字典列表拆分为多列，同时保留id和name的关联，转换为如下结构：

id | name | servicePlanId | servicePlanName | provisioningStatus | appliesTo
-----------------------------------------------------------------------------
1  | xyz  |      1        |       A         |         X          |   User
1  | xyz  |      2        |       B         |         Y          |   User
1  | xyz  |      3        |       C         |         Z          |   User

问题分析 #

你之前的代码仅单独处理了servicePlans列，丢失了id和name的关联数据，因此只返回了拆分后的四列。

解决方案 #

先对整个DataFrame执行explode操作保留原列，再拆分字典列并合并：

# 1. 对servicePlans列做展开，保留id和name列
df_exploded = df.explode('servicePlans')

# 2. 将servicePlans列的字典转换为结构化DataFrame
service_plans_df = pd.DataFrame(df_exploded['servicePlans'].tolist())

# 3. 合并原列与拆分后的列
result = pd.concat([df_exploded[['id', 'name']], service_plans_df], axis=1)

# 可选：按servicePlanId去重（根据需求选择）
result = result.drop_duplicates(subset=['servicePlanId'])

执行后即可得到包含所有目标列的DataFrame。

内容的提问来源于stack exchange，提问作者Qasim Khan