如何解析DataFrame的JSON列并将解析值作为新列添加到原数据框

针对保留原列、拆分JSON列提取指定值为新列的需求，直接按以下场景选对应实现即可。

前置示例数据构造 #

先构造和描述一致的测试DataFrame：

import pandas as pd

df = pd.DataFrame({
    'column1': ['One'],
    'column2': ['Two'],
    'json_column': [{'A': '1', 'B': '2', 'C': '3'}]
})

场景1：json_column列存储的是原生字典对象 #

如果列里存的已经是Python字典（不是字符串格式的JSON），直接用apply提取目标键即可：

• 提取单个键（比如提取键B，新增同名列）

# 用get取值避免键不存在时报错，缺失值自动填充None
df['B'] = df['json_column'].apply(lambda x: x.get('B'))

• 批量提取多个键

# 把要提取的键放到列表里批量处理
target_keys = ['A', 'B', 'C']
for key in target_keys:
    df[key] = df['json_column'].apply(lambda x: x.get(key))

场景2：json_column列存储的是JSON格式字符串 #

如果列里存的是类似'{"A":"1","B":"2","C":"3"}'的文本，先转成字典再做提取：

import json

# 先把JSON字符串转为字典对象
df['json_column'] = df['json_column'].apply(json.loads)
# 后续提取逻辑和场景1完全一致
df['B'] = df['json_column'].apply(lambda x: x.get('B'))

如果用的是1.0及以上版本的Pandas，要提取JSON里的全部键，不用手动枚举，直接用json_normalize批量拆分后拼接回原表即可：

# 拆分JSON列得到所有键对应的新列，和原表按行拼接，自动保留所有原列
df = pd.concat([df, pd.json_normalize(df['json_column'])], axis=1)

处理完成后输出结果和预期一致：

内容的提问来源于stack exchange，提问作者Xahal