如何从Pandas DataFrame的坐标列中拆分提取x、y坐标值

你遇到的TypeError: 'float' object is not iterable报错由列内的NaN缺失值直接导致：pandas默认将空值存储为float类型的np.nan，你之前用zip(*events['location'])拆分列时，遍历到float类型的空值就会因对象不可迭代抛出错误。

通过统一的坐标拆分逻辑处理空值，同时支持批量处理所有同格式的坐标列，无需重复编写拆分代码：

1. 先定义通用的坐标列拆分函数，自动识别空值并做兼容处理

import pandas as pd
import numpy as np
import json
import glob
import os

def split_coord_col(df, col_name):
    # 将非列表类型的空值替换为[NaN, NaN]，避免迭代报错，拆分后对应坐标自动为空值
    temp_series = df[col_name].apply(lambda x: x if isinstance(x, list) else [np.nan, np.nan])
    df[f"{col_name}.x"], df[f"{col_name}.y"] = zip(*temp_series)
    return df

2. 保留你原有的JSON合并逻辑，合并完成后批量拆分所有需要处理的坐标列

path = os.fspath(r"C:\Users\user\Desktop\Football Data\Euro2020Matches")
json_files = glob.glob(os.path.join(path, "*.json"))
pd.set_option("display.max_columns", None)

dfs = []
for file in json_files:
    with open(file, encoding='UTF-8') as f:
        json_data = pd.json_normalize(json.loads(f.read()))
    dfs.append(json_data)
events = pd.concat(dfs, sort=False).reset_index(drop=True)

# 把所有需要拆分的坐标列名放进列表即可批量处理
target_coord_cols = ["location", "pass.end_location", "carry.end_location"]
for col in target_coord_cols:
    events = split_coord_col(events, col)

3. 拆分完成后直接运行你原有的距离计算代码即可，空值对应的计算结果会自动返回NaN，不会影响其他有效行的运算

events['initialDistancefromgoal'] = np.sqrt(((120 - events['location.x'])**2) + ((40 -events['location.y'])**2))
events['finalDistancefromgoal'] = np.sqrt(((120 - events['pass.end_location.x'])**2) + ((40 - events['pass.end_location.y'])**2))
events['finalDistancefromgoalcarry'] = np.sqrt(((120 - events['carry.end_location.x'])**2) + ((40 - events['carry.end_location.y'])**2))

注：你之前写的循环读取JSON打印内容的代码属于调试用代码，不需要的话可以直接删除，不会影响最终的数据合并与计算逻辑。

内容的提问来源于stack exchange，提问作者Haythem Joudeh