如何对含字典列表列的pandas DataFrame进行扁平化处理

你调用pd.json_normalize时直接传入了由列表构成的Series，此时json_normalize只会将每个列表按位置拆分为多列，列值为单个字典对象，不会自动递归拆解字典的键值对，因此后续套DataFrame并指定索引时会全部显示为NaN。

根据你的使用场景，可选择以下两种处理方式：

场景1：将同一SubProjectId下的多个字典拆分为多行（最常用） #

适合需要按单个节点维度做后续分析的场景，输出后索引仍保留原SubProjectId，每行对应一个LoadNodes中的字典，列名为字典的键（Id、Description、Name等）：

# 第一步：将LoadNodes列的列表炸开，每行仅保留一个字典，保留原索引
exploded_nodes = load_only_df['LoadNodes'].explode()
# 第二步：对字典做标准化，还原原索引
result = pd.json_normalize(exploded_nodes).set_index(exploded_nodes.index)

场景2：将同一SubProjectId下的多个字典拆分为多列 #

适合需要将同一个SubProjectId的所有节点属性放在同一行的场景，输出后列名会自动加序号后缀（如Id_0、Description_0、Id_1等）：

result = load_only_df['LoadNodes'].apply(
    lambda node_list: pd.Series(
        {f"{key}_{idx}": val for idx, node_dict in enumerate(node_list) for key, val in node_dict.items()}
    )
)

内容的提问来源于stack exchange，提问作者D4w1d