Pandas如何拆分字典列表类型列并展开DataFrame行

直接按以下步骤实现即可，附可直接运行的代码和验证样例：

核心逻辑 #

• 直接调用explode()展开shop列的列表，空列表展开后会自动生成NaN值，无需提前预处理空值
• 对展开后的单条字典提取目标嵌套字段，空值位置填充NA
• 筛选目标列得到最终四列长表

步骤1：构造测试验证数据 #

和描述的表结构完全一致，包含正常多字典列表、空列表、单字典列表三种场景：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'id': [1, 2, 3],
    'price': [99, 199, 299],
    'shop': [
        [
            {'code': {'location': '北京朝阳', 'guests': 200}, 'text': {'textvalue': '旗舰店'}},
            {'code': {'location': '上海浦东', 'guests': 150}, 'text': {'textvalue': '分店'}}
        ],
        [],
        [
            {'code': {'location': '广州天河', 'guests': 300}, 'text': {'textvalue': '体验店'}}
        ]
    ]
})

步骤2：通用版本实现（兼容所有pandas版本，适合中小数据量） #

# 展开shop列，重置索引
df_explode = df.explode('shop', ignore_index=True)

# 提取嵌套字段，空值自动填充NA
df_explode['shop.location'] = df_explode['shop'].apply(
    lambda x: x['code']['location'] if isinstance(x, dict) else np.nan
)
df_explode['shop.textvalue'] = df_explode['shop'].apply(
    lambda x: x['text']['textvalue'] if isinstance(x, dict) else np.nan
)

# 筛选目标列得到最终结果
final_df = df_explode[['id', 'price', 'shop.location', 'shop.textvalue']]

运行后输出结果：

id  price shop.location shop.textvalue
0   1     99          北京朝阳            旗舰店
1   1     99          上海浦东             分店
2   2    199           NaN            NaN
3   3    299          广州天河            体验店

步骤3：大数据量优化版本（10w行以上场景性能更好） #

用pd.json_normalize替代逐行apply，减少遍历开销：

df_explode = df.explode('shop', ignore_index=True)
# 仅对非空字典行做结构化解析
parse_part = pd.json_normalize(
    df_explode['shop'].dropna()
)[['code.location', 'text.textvalue']]
parse_part.columns = ['shop.location', 'shop.textvalue']
# 对齐原表索引后合并，空位置自动补NA
final_df = pd.concat(
    [df_explode[['id', 'price']], parse_part.set_axis(df_explode['shop'].dropna().index)],
    axis=1
)

常见踩坑说明 #

• 不要在explode前提前遍历列表拆字段，列表长度不一致时会出现索引对齐错误
• 空列表[]经过explode后会自动转为NaN，不需要提前把空列表替换成其他值
• 字段提取时用isinstance(x, dict)判断比pd.notna(x)兼容性更好，避免特殊值导致的KeyError

内容的提问来源于stack exchange，提问作者Shannah