如何将DataFrame中attributes字段拆分为新列并处理嵌套属性值

以下基于Python Pandas实现，可直接适配你的需求：

前置准备 #

首先导入需要的依赖库：

import pandas as pd
import json

核心代码实现 #

1. 编写嵌套字典展平函数 #

递归处理嵌套结构，将嵌套的key转换为上层属性.下层属性的格式：

def flatten_dict(d, parent_key='', sep='.'):
    items = []
    for k, v in d.items():
        new_key = f"{parent_key}{sep}{k}" if parent_key else k
        # 如果值仍是字典，递归展平
        if isinstance(v, dict):
            items.extend(flatten_dict(v, new_key, sep=sep).items())
        else:
            items.append((new_key, v))
    return dict(items)

2. 处理DataFrame生成结果 #

# 假设你的原始DataFrame变量名为df
# 第一步：将attributes列的JSON字符串转为Python字典，如果你的attributes列已经是字典类型，可跳过这一步
df['attributes'] = df['attributes'].apply(lambda x: json.loads(x) if isinstance(x, str) else x)
# 第二步：展平所有属性并生成属性列
attr_df = df['attributes'].apply(flatten_dict).apply(pd.Series)
# 第三步：缺失属性填充为False
attr_df = attr_df.fillna(False)
# 第四步：拼接business_id列得到最终结果
result = pd.concat([df['business_id'], attr_df], axis=1)

可选优化 #

如果你的属性值里有字符串格式的布尔值（比如"True"/"False"），需要转成真正的布尔类型，可在填充缺失值后增加以下处理：

for col in attr_df.columns:
    attr_df[col] = attr_df[col].replace({"True": True, "False": False})

内容的提问来源于stack exchange，提问作者reign