如何使用Python将嵌套结构DataFrame展开为普通独立行列格式

现有如下结构的Python列表数据集，部分记录包含嵌套的attachments字段，部分记录无该嵌套字段，需要将其处理为字段独立成列、数据规整成行的标准二维表格格式。

raw_data = [
    {'id': '3253465436', 'attachments': {'data': [{'title': "Photos from  post"}]}},
    {'id': '248139211995219_440165304779172'}
]

直接使用pandas内置的嵌套结构处理函数实现即可，自动兼容缺失字段场景，不需要手动写循环判断字段是否存在。

方法1：两步展平法（兼容性最好，保留所有原始行） #

该方法会保留所有原始记录，无附件的记录对应附件字段自动填充空值；如果单条记录包含多个附件，会自动拆分为多行与原id匹配。

import pandas as pd

# 1. 先展平外层嵌套，把attachments下的data字段提取为独立列
df = pd.json_normalize(raw_data)

# 2. 将存储附件列表的列拆分为独立行，空列表/空值自动保留
df = df.explode('attachments.data').reset_index(drop=True)

# 3. 将附件字典内的字段拆分为独立列
df = pd.concat(
    [df.drop(columns=['attachments.data']), df['attachments.data'].apply(pd.Series)],
    axis=1
)

处理完成后的输出结果：

id             title
0                        3253465436  Photos from  post
1  248139211995219_440165304779172               NaN

方法2：单步展平（适合只保留有附件的记录场景） #

如果不需要保留无附件的记录，可以直接指定展开路径单步完成：

df = pd.json_normalize(
    raw_data,
    record_path=['attachments', 'data'],
    meta=['id'],
    errors='ignore'
)

• 如果附件字典内包含除title外的其他字段，上述代码会自动识别并拆分为独立列，无需手动指定列名
• 空值默认填充为NaN，可根据需求通过df.fillna('')替换为空字符串
• 如果不需要将多附件拆分为多行，可按id分组后对附件字段做聚合，比如将多个title合并为列表存储在同一单元格

内容的提问来源于stack exchange，提问作者Likhitha Reddy