pandas应用自定义字典拆分函数触发'DataFrame' object is not callable报错

场景说明 #

• 日常数据处理中持有多个独立 pandas DataFrame，其中至少1列存储字符串格式的字典内容，单条值示例为 {'description': 'Customer Operations', 'code': '51254185'}
• 未做封装时，可通过原生逻辑将字典列拆分为独立列，最终可实现类似下表的效果：

• 原生可运行的拆分逻辑代码：

position_df['position'] = main_df['position'].apply(lambda x: dict(eval(x)))
position_df = position_df['position'].apply(pd.Series)
position_df.rename(columns={'des': 'position_name', 'code':'positionID'},inplace=True)

result = pd.concat([main_df, position_df], axis=1, join="inner")

报错表现 #

将上述拆分逻辑封装为通用函数后，调整入参调用时触发 TypeError: 'DataFrame' object is not callable 报错，封装的函数与实际调用代码如下：

def dictionary_to_columns(dic_column,rename_col,df):
    temp_df = pd.DataFrame()
    temp_df['temporary'] = df[dic_column].apply(lambda x: dict(eval(x)))
    temp_df = temp_df['temporary'].apply(pd.Series)
    temp_df.rename(columns=rename_col,inplace=True)
    result = pd.concat([df, temp_df], axis=1, join="inner")
    return result

# 触发报错的调用代码
main_df['position'] = main_df['position'].apply(dictionary_to_columns('position',{'des': 'name', 'code':'ID'},main_df))

已完成的初步排查：在函数 return 语句前打印拆分结果的前5行，内容显示完全正常，无内部逻辑异常。

问题定位与修复 #

根因 #

问题和函数返回逻辑完全无关，出在调用方式的错配上：

• 上述调用代码的执行顺序是：先执行括号内的 dictionary_to_columns(...)，直接得到一个已经拼接完成的 DataFrame 结果，再把这个结果作为参数传给外层的 main_df['position'].apply() 方法。
• pandas 的 apply() 方法要求传入的必须是可调用的函数对象，现在传入的是一个静态的 DataFrame，自然会抛出 TypeError: 'DataFrame' object is not callable。
• 这个封装函数本身是整表维度的处理逻辑：入参已经包含了全量 df、待拆分的列名、列重命名规则，是一次性完成全表的字典拆分、结果拼接，完全不需要套在逐元素处理的 apply() 方法里。

修复代码 #

直接去掉外层多余的 main_df['position'].apply() 包裹，直接调用封装函数即可：

# 错误写法（触发报错）
# main_df['position'] = main_df['position'].apply(dictionary_to_columns('position',{'des': 'name', 'code':'ID'},main_df))

# 正确写法
result = dictionary_to_columns(
    dic_column='position',
    rename_col={'des': 'name', 'code':'ID'},
    df=main_df
)

可选优化点 #

• 原代码用 eval() 解析字符串字典存在安全风险，若处理的字符串来源不是绝对可信的场景，建议替换为 ast.literal_eval()，解析更安全且性能更优。
• pandas 版本 ≥1.4.0 时，可直接用字符串访问器快速拆分字典列，不需要手动 apply 转 Series，代码更简洁：

  import ast
  temp_df = main_df['position'].apply(ast.literal_eval).str.split(expand=True)
  

内容的提问来源于stack exchange，提问作者Kroky1