如何仅用Pandas函数将DataFrame中JSON字符串列拆分为多列并展开？

我来给你一步步拆解怎么用纯Pandas函数实现这个需求，全程不需要额外循环或自定义函数，完全依赖Pandas内置方法：

步骤1：构造示例数据（模拟你的输入） #

先把你给出的示例数据转换成Pandas DataFrame：

import pandas as pd
import json

# 原始输入数据
raw_data = [
    ["id1", '{"c1": ["a","b"], "c2": [0.1, 0.2], "c3": ["3","1"]}'],
    ["id2", '{"c1": ["c","d"], "c2": [0.7, 0.4], "c3": ["8","4"]}']
]
df = pd.DataFrame(raw_data, columns=["id", "json_col"])

步骤2：解析JSON字符串为结构化列 #

把存储JSON字符串的列转换成Pandas能识别的结构化数据：

# 将JSON字符串转为Python字典，再解析为多列
parsed_df = pd.json_normalize(df["json_col"].apply(json.loads))
# 合并原来的id列，保留每个id对应的JSON数据
merged_df = pd.concat([df["id"], parsed_df], axis=1)

这里json.loads负责把字符串转成字典，pd.json_normalize则把字典的key转换成列名，列表形式的value作为列值。

步骤3：将列表列展开为多行 #

现在每个列里都是列表，我们需要把这些列表元素拆成单独的行，同时保证同一id下的c1、c2、c3元素一一对应：

# 对所有目标列执行explode操作，同步拆分列表
final_df = merged_df.explode(["c1", "c2", "c3"]).set_index("id")

explode方法会把每个列表中的元素拆成独立行，Pandas会自动保证多个列的拆分是同步的（只要每个列的列表长度一致，你的示例数据满足这个条件）。最后用set_index("id")把id设为索引，就和你期望的输出格式完全一致了。

简化的链式写法 #

如果你喜欢更简洁的代码，可以把所有步骤串起来：

final_df = (df
            .assign(json_dict=lambda x: x["json_col"].apply(json.loads))
            .pipe(lambda x: pd.concat([x["id"], pd.json_normalize(x["json_dict"])], axis=1))
            .explode(["c1", "c2", "c3"])
            .set_index("id"))

验证结果 #

打印final_df就能得到你想要的输出：

c1   c2 c3
id
id1  a  0.1  3
id1  b  0.2  1
id2  c  0.7  8
id2  d  0.4  4

内容的提问来源于stack exchange，提问作者ooo