如何使用Python Pandas解析CSV文件中的嵌套列数据

实现步骤 #

1. 依赖导入
   需要用到Pandas处理表格数据，以及ast模块将字符串格式的Python字面量转换为原生对象：

import pandas as pd
import ast

2. 读取CSV文件

# skip_blank_lines参数用于跳过CSV中的空行
df = pd.read_csv("你的文件路径.csv", skip_blank_lines=True)

3. 转换字段格式
   CSV读取后product_id列是字符串类型，需要转换为实际的列表字典对象：

# ast.literal_eval可以安全解析Python字面量格式的字符串，适配单引号字典的场景，不会有eval的安全风险
df["product_id"] = df["product_id"].apply(ast.literal_eval)

4. 展开列表为单独行
   使用explode方法将列表中的每个字典拆分为独立的行：

# ignore_index参数用于重置展开后的行索引
df = df.explode("product_id", ignore_index=True)

5. 拆分字典为独立列
   将product_id列的字典键值拆分为单独的列，最终得到预期结果：

df = pd.concat([
    df.drop("product_id", axis=1),
    df["product_id"].apply(pd.Series)
], axis=1)

输出验证 #

执行完上述代码后，打印df即可得到你需要的解析结果，格式为：

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