如何将DataFrame列中含=的非JSON嵌套数组拆分为多列？

这个场景确实挺棘手——这种用=而非:的非标准"类JSON"格式，json_normalize自然没法直接识别。不过我们可以通过自定义解析先把格式转换成标准JSON结构，再完成拆分，具体步骤如下：

核心思路 #

1. 将每个非标准对象（比如{lockstatus=0, openstatus=0}）转换成标准JSON格式（{"lockstatus":0, "openstatus":0}）
2. 把整列的非标准数组转成Python字典列表
3. 用explode将每个字典拆成单独行，再用json_normalize展开为多列

完整代码示例 #

假设你的DataFrame里有一列叫status_array，存储着你描述的非标准数组数据，我们可以这么处理：

import pandas as pd
import re
import json

# 模拟你的原始DataFrame
df = pd.DataFrame({
    'record_id': [1, 2],
    'status_array': [
        '[ {lockstatus=0, openstatus=0, enablestatus=0}, {lockstatus=1, openstatus=1, enablestatus=1} ]',
        '[ {lockstatus=0, openstatus=0, enablestatus=0} ]'
    ]
})

# 自定义解析函数：把非标准格式转成标准字典列表
def parse_non_standard_json(s):
    # 用正则把 key=value 替换为 "key":value
    normalized_str = re.sub(r'(\w+)=', r'"\1":', s)
    # 解析成Python原生的字典列表
    return json.loads(normalized_str)

# 1. 将原始列转换为标准字典列表
df['parsed_status'] = df['status_array'].apply(parse_non_standard_json)

# 2. 展开每个字典为单独行
df_exploded = df.explode('parsed_status', ignore_index=True)

# 3. 把字典拆分为单独列，并保留原始ID列
final_df = pd.json_normalize(df_exploded['parsed_status']).join(df_exploded[['record_id']])

# 查看结果
print(final_df)

关键细节说明 #

• 正则表达式re.sub(r'(\w+)=', r'"\1":', s)：匹配所有单词格式的键，给它们加上双引号，并把=替换为JSON标准的:，完美适配你给出的示例格式
• 如果你的原始列不是字符串，而是已经加载为列表（每个元素是类似自定义对象的结构），可以调整解析函数，遍历列表中的每个对象，把每个对象的键值对转成标准字典
• explode函数负责把列表中的每个元素拆成单独行，确保每个状态对象对应一条独立记录

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