如何将Pandas Dataframe列中的字典值拆分为独立新列？

步骤1：确保字典列是可解析的格式 #

如果从CSV导入后，data列是字符串格式的字典（比如显示为"{'age': '30', 'sex': 'male'}"），先把它转成真正的字典类型：

import ast
import pandas as pd

# 假设你的DataFrame名为df
df['data'] = df['data'].apply(ast.literal_eval)

步骤2：拆分字典列为新列 #

有两种简洁的实现方式：

• 方式一：用pd.json_normalize展开字典

# 展开data列的字典为独立列
expanded_data = pd.json_normalize(df['data'])
# 合并原表的no列和展开后的列
final_df = pd.concat([df['no'], expanded_data], axis=1)

• 方式二：直接将字典列转为DataFrame

# 把data列的每个字典转成一行数据，自动以字典键为列名
expanded_data = df['data'].apply(pd.Series)
# 合并得到最终结构
final_df = pd.concat([df['no'], expanded_data], axis=1)

可选：基于原表直接修改 #

如果你想在原DataFrame上直接操作，而非生成新表：

# 添加拆分后的新列
df[['age', 'sex']] = df['data'].apply(pd.Series)
# 删除原data列
df.drop('data', axis=1, inplace=True)

处理完成后，你就得到了包含no、age、sex三列的目标DataFrame。

内容的提问来源于stack exchange，提问作者manacoder