在Pandas DataFrame中提取指定键对应数值（禁用str.split()方法）

问题说明 #

现有如下示例数据集，其中Text列存储字典类型数据：

No Text
1  {"duration_incoming_daytime": 6034, 
    "percent_incoming_daytime": 42.73, 
    "percent_other_calls": 42.73, 
    "total_calls": 110}

需求为提取"duration_incoming_daytime"和"total_calls"对应的数值，且不能使用str.split()方法（因数据顺序不固定），最终需新增两列展示对应数值，效果如下：

No Text                                  duration_incoming_daytime   total_calls
1  {"duration_incoming_daytime": 6034,   6034                        110
    "percent_incoming_daytime": 42.73, 
    "percent_other_calls": 42.73, 
    "total_calls": 110}

示例DataFrame代码如下：

import pandas as pd   
No = [1]   
Text = [{"duration_incoming_daytime": 6034, "percent_incoming_daytime": 42.73, "percent_other_calls": 42.73, "total_calls": 110}]   

df = pd.DataFrame({"No":No, "Text":Text})

解决方案 #

因为Text列本身是字典类型，无需用字符串分割，直接通过字典键访问即可，以下是两种实用方法：

方法1：逐列提取（适合少量字段）

用apply配合lambda函数直接提取目标键对应的值：

# 新增duration_incoming_daytime列
df['duration_incoming_daytime'] = df['Text'].apply(lambda x: x['duration_incoming_daytime'])
# 新增total_calls列
df['total_calls'] = df['Text'].apply(lambda x: x['total_calls'])

方法2：批量展开合并（适合多字段提取）

把字典列直接展开为DataFrame，再合并回原表，只保留需要的字段：

# 将Text列的字典展开成单独的DataFrame
text_expanded = df['Text'].apply(pd.Series)
# 合并原表和展开后的指定列
df = pd.concat([df, text_expanded[['duration_incoming_daytime', 'total_calls']]], axis=1)

两种方法都不会受字典内键的顺序影响，运行后即可得到符合需求的结果。

内容的提问来源于stack exchange，提问作者Napier