如何对DataFrame中存储字典列表的列执行透视转换操作

解决方案 #

直接用Pandas原生的数组拆分、JSON展开和透视表功能即可实现，不需要手动构造嵌套字典，代码如下：

import pandas as pd

# 提取所有非procedures字段作为索引维度
id_columns = [col for col in df.columns if col != "procedures"]

# 拆分procedures数组为每行一个procedure字典
df_exploded = df.explode("procedures", ignore_index=True)

# 展开procedure字典为单独列
df_procedure_cols = pd.json_normalize(df_exploded["procedures"])

# 合并原字段和展开后的procedure字段
df_combined = pd.concat([df_exploded.drop("procedures", axis=1), df_procedure_cols], axis=1)

# 透视生成多级列结果，自动对同procedure_key的数值求和
df_result = df_combined.pivot_table(
    index=id_columns,
    columns="procedure_key",
    values=["unit_count", "charges_amount_laboratory"],
    aggfunc="sum",
    fill_value=0
)

# 可选：调整列层级顺序，让同一个procedure_key的两个指标相邻，方便查看
df_result = df_result.swaplevel(axis=1).sort_index(axis=1)

说明 #

1. 最终得到的df_result列是二级MultiIndex，第一级为procedure_key，第二级为对应的unit_count和charges_amount_laboratory，完全符合要求
2. 你之前的方案手动构造了嵌套字典，后续需要额外拆分才能生成多级列，原生方法更简洁，也避免了手动写聚合逻辑的出错风险
3. fill_value=0会把没有对应procedure的位置填0，不需要可以去掉，缺失值会显示为NaN

内容的提问来源于stack exchange，提问作者Philippe Hebert