如何访问DataFrame列中列表内嵌套字典的值并新增goalName列

我从Google Analytics Reporting API获取了名为response的JSON文件，结构如下：

{
  "sessions": [
    {
      "sessionId": "1632227669",
      "deviceCategory": "desktop",
      "platform": "Windows",
      "dataSource": "web",
      "activities": [
        {
          "activityTime": "2021-09-21T12:45:54.236723Z",
          "source": "google",
          "medium": "organic",
          "channelGrouping": "Organic Search",
          "campaign": "(not set)",
          "keyword": "(not provided)",
          "landingPagePath": "/blog-entry/",
          "activityType": "GOAL",
          "goals": {
            "goals": [
              {
                "goalName": "GOAL NAME"
              }
            ]
          }
        }
      ]
    }
  ]
}

我需要将其转换为表格，activityTime是唯一标识符，部分activities包含goals，其余对应pageviews、events类型。我使用如下代码转换：

df = pd.json_normalize(response['sessions'], 
                       record_path=['activities'],
                       meta=['sessionId','deviceCategory','platform'])

运行后生成了表格，但df['goals.goals']列的值要么是NaN，要么是字典列表。请问如何访问列表内字典的键值，特别是新增名为goalName的列并追加到df中？

你可以直接用pandas的str系列访问器处理列表和字典类型的列，代码简洁且自动兼容NaN值场景：

单Goal场景（对应你给出的JSON结构） #

如果每个goals.goals列表最多只有1个Goal对象，直接执行以下单行代码即可：

df['goalName'] = df['goals.goals'].str[0].str.get('goalName')

代码逻辑说明：

• df['goals.goals'].str[0]：提取列表的第一个元素，如果该行goals.goals是NaN或者空列表，自动返回NaN
• .str.get('goalName')：从提取出的字典中取goalName对应的值，如果不是字典或者没有对应键，自动返回NaN，正好匹配非GOAL类型活动的填充需求

多Goal场景 #

如果业务中存在单个activity对应多个Goal的情况，可以用apply把多个goalName拼接为字符串：

df['goalName'] = df['goals.goals'].apply(
    lambda x: ';'.join([item['goalName'] for item in x]) if isinstance(x, list) else pd.NA
)

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