Pandas 如何将DataFrame中嵌套JSON列拆分为多行并展开字段

首先确保details列的内容为Python字典列表格式，如果读入时是JSON字符串，需要先做类型转换：

import pandas as pd
import json

# 读入csv样例数据
df = pd.read_csv("输入文件路径.csv")
# 将details列的JSON字符串转为字典列表
df["details"] = df["details"].apply(json.loads)

如果是自行构造测试DataFrame可以用以下代码：

df = pd.DataFrame({
    "cust_id": [101, 102],
    "name": ["Kevin", "Scott"],
    "details": [
        [{"id":1001,"country":"US","state":"OH"}, {"id":1002,"country":"US","state":"GA"}],
        [{"id":2001,"country":"US","state":"OH"}, {"id":2002,"country":"US","state":"GA"}]
    ]
})

方法一：explode + json_normalize 两步实现 #

兼容性更强，适合所有支持explode方法的Pandas版本：

# 将details列的数组按元素拆分为多行
df_exploded = df.explode("details", ignore_index=True)
# 展开每行的字典为独立列，和原有列拼接得到最终结果
result = pd.concat(
    [df_exploded.drop(columns="details"),
     pd.json_normalize(df_exploded["details"])],
    axis=1
)

方法二：json_normalize 一步实现（适用于Pandas 1.3及以上版本） #

直接指定数组路径和要保留的原有列，代码更简洁：

result = pd.json_normalize(
    df.to_dict("records"),
    record_path="details",
    meta=["cust_id", "name"]
)

两种方法最终输出的结果都符合需求，可根据自己的Pandas版本和使用习惯选择。

内容的提问来源于stack exchange，提问作者Kevin Nash