CSV文件字典类型列拆分为独立列，pd.Series方法失效如何解决

你遇到的问题大多由CSV读取后的数据格式异常导致，可按以下步骤排查解决：

• 原因1：字典列实际为字符串格式
  CSV存储时会自动将字典结构序列化为字符串，直接读取后列元素类型为str而非dict，无法被pd.Series识别拆分。
  修复代码如下：

import pandas as pd
import ast

# 读取CSV后先将字符串格式的字典转为真实字典
df['目标字典列名'] = df['目标字典列名'].apply(lambda x: ast.literal_eval(x) if isinstance(x, str) else x)
# 执行拆分操作
expand_cols = df.set_index('id')['目标字典列名'].apply(pd.Series)
# 拆分结果合并回原表
df = df.join(expand_cols, on='id')

• 原因2：列内存在非字典异常值
  如果列中存在空值、NaN或其他不符合字典格式的脏数据，会导致拆分逻辑失效。可以先对异常值做统一处理：

# 将非字典值统一填充为空字典，避免拆分报错
df['目标字典列名'] = df['目标字典列名'].apply(lambda x: x if isinstance(x, dict) else {})
expand_cols = df.set_index('id')['目标字典列名'].apply(pd.Series)

• 更优替代方案
  高版本pandas更推荐使用json_normalize方法实现字典列拆分，兼容性和处理效率优于apply(pd.Series)，无需提前设置索引：

# 直接拆分字典列
expand_cols = pd.json_normalize(df['目标字典列名'])
# 合并回原表，同时删除原来的字典列
df = pd.concat([df.drop('目标字典列名', axis=1), expand_cols], axis=1)

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