如何拆分电影营收预测数据集中含字典/列表的列至独立列？

我来帮你搞定这个拆分问题，你的核心需求是把混合了单个字典和字典列表的列，提取出指定键的值，多个值用逗号拼接，缺失值用NaN填充。下面是完整的实现步骤：

1. 准备示例数据 #

首先先还原你的示例DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {'a':[1,2,3], 
     'b':[{'c':1}, [{'c':4},{'d':3}], [{'c':5, 'd':6},{'c':7, 'd':8}]]}
)

2. 统一列数据格式 #

因为b列里既有单个字典，又有字典列表，我们先把所有元素统一转为列表格式，这样后续处理逻辑可以保持一致：

# 将单个字典转为包含该字典的列表，列表则保持原样
df['b'] = df['b'].apply(lambda x: [x] if isinstance(x, dict) else x)

3. 定义提取函数 #

接下来写一个函数，专门处理每个字典列表，提取c和d的值，多个值用逗号拼接，没有对应值则返回NaN：

def extract_key_values(row):
    # 收集所有字典中存在的c值，过滤掉None
    c_values = [d.get('c') for d in row if d.get('c') is not None]
    # 收集所有字典中存在的d值，过滤掉None
    d_values = [d.get('d') for d in row if d.get('d') is not None]
    
    # 处理值的拼接：有值就用逗号连接，无值则返回NaN
    c_result = ','.join(map(str, c_values)) if c_values else np.nan
    d_result = ','.join(map(str, d_values)) if d_values else np.nan
    
    # 返回Series，对应c和d列
    return pd.Series([c_result, d_result], index=['c', 'd'])

4. 应用函数并合并结果 #

把函数应用到b列，然后和原DataFrame的a列合并，最后调整列顺序：

# 提取c、d列并和原a列合并
result_df = df['b'].apply(extract_key_values).join(df['a'])
# 调整列顺序，让a列排在最前面
result_df = result_df[['a', 'c', 'd']]

最终结果 #

运行后你会得到完全符合预期的输出：

a    c    d
0  1    1  NaN
1  2    4    3
2  3  5,7  6,8

关键细节说明 #

• 用isinstance(x, dict)判断元素类型，确保单个字典被转为列表，统一处理逻辑
• 用dict.get(key)而不是直接dict[key]，避免出现KeyError（因为有的字典没有c或d键）
• 用map(str, ...)把数值转为字符串，才能用逗号拼接多个值

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