如何在pandas中展开列内类字典取值并生成独立新列

实现方法 #

你可以通过两种常用的pandas操作实现需求，两种方法都包含空值、空字符串过滤逻辑，保证最终生成的data_usage和device_name列无无效值：

方法1：使用pd.json_normalize（推荐，性能更优，适合字典键多的场景）

该方法会自动解析list列的所有字典键，你可以按需保留需要的字段：

import pandas as pd

# 解析list列的字典为独立DataFrame
expanded = pd.json_normalize(df['list'])
# 拼接原表非list列 + 所需两个新列，删除原list列
df_result = pd.concat(
    [df.drop(columns=['list']), expanded[['data_usage', 'device_name']]],
    axis=1
)
# 过滤存在空值、空字符串的行
df_result = df_result.dropna(subset=['data_usage', 'device_name'])
df_result = df_result[(df_result['data_usage'] != '') & (df_result['device_name'] != '')]

方法2：使用.str.get（写法更简洁，适合仅需取少量键的场景）

直接从字典列按键取值生成新列，无需解析全部字段：

import pandas as pd

# 直接提取指定键的值生成新列
df['data_usage'] = df['list'].str.get('data_usage')
df['device_name'] = df['list'].str.get('device_name')
# 删除原list列
df_result = df.drop(columns=['list'])
# 过滤存在空值、空字符串的行
df_result = df_result.dropna(subset=['data_usage', 'device_name'])
df_result = df_result[(df_result['data_usage'] != '') & (df_result['device_name'] != '')]

处理后最终的DataFrame将包含id、date、data_usage、device_name四列，符合要求。

内容的提问来源于stack exchange，提问作者Marcos Dias