Pymongo列表嵌套字典数据导入pandas DataFrame时赋值异常解决

你代码中df2["posX"] = y[0]["value"]这类写法是对整列统一赋值，每次循环都会覆盖df2所有行的对应列数值，最后一次循环用到的第三条数据就会覆盖所有行，导致所有行数值都和最后一条一致。

方案1：修改原循环逻辑（最易理解） #

先把每行的位置数据存入列表，最后一次性转DataFrame，避免反复修改DataFrame的列：

pos_list = []
# 遍历原df所有行
for i in range(len(df)):
    var_list = df.loc[i, 'position.vars']
    pos_list.append([
        var_list[0]['value'],
        var_list[1]['value'],
        var_list[2]['value']
    ])
# 生成结果df2
df2 = pd.DataFrame(pos_list, columns=['posX', 'posY', 'posZ'])

如果一定要沿用逐行给df2赋值的写法，需要指定对应行的索引：

# 先初始化和原df行数相同的空df2
df2 = pd.DataFrame(index=df.index, columns=['posX', 'posY', 'posZ'])
for i in range(len(df)):
    var_list = df.loc[i, 'position.vars']
    df2.loc[i, 'posX'] = var_list[0]['value']
    df2.loc[i, 'posY'] = var_list[1]['value']
    df2.loc[i, 'posZ'] = var_list[2]['value']

方案2：pandas向量化写法（更简洁高效，无需显式写循环） #

用apply函数直接处理每行的position.vars字段：

def extract_position(row):
    vars_lst = row['position.vars']
    return pd.Series(
        [vars_lst[0]['value'], vars_lst[1]['value'], vars_lst[2]['value']],
        index=['posX', 'posY', 'posZ']
    )

# 直接生成包含三列位置数据的df2
df2 = df.apply(extract_position, axis=1)

如果需要保留原DataFrame的Time、Returncode字段，直接合并即可：

df = pd.concat([df, df2], axis=1)

内容的提问来源于stack exchange，提问作者SyrixGG