Pandas解析嵌套列表提取经纬度时如何保留_id字段

原有处理逻辑单独遍历coordinates列生成独立坐标表，完全切断了和原表_id字段的关联，导致后续过滤时需要通过索引位置回查原表匹配，不仅效率低，一旦中途做过排序、删行操作，索引位置和原表不对齐还会出现匹配错误的问题。下面两种方案可以从流程上规避这个问题：

方案一：在原表基础上直接拆分坐标列（推荐） #

不需要单独生成独立的坐标表，直接把拆出的经纬度作为新列追加到原DataFrame上，天然和对应行的_id绑定，从根源上避免字段丢失。
核心代码非常简洁：

# 将coordinates列的嵌套列表拆分为独立列，指定和原表一致的索引保证行完全对齐
data[['lat', 'lng']] = pd.DataFrame(data['coordinates'].tolist(), index=data.index)

拆分完成后直接基于原表做过滤操作，结果会天然携带对应的_id字段：

# 筛选纬度大于52.00的记录，直接取需要的列即可
north = data[data['lat'] > 52.00][['_id', 'lat', 'lng']]

输出效果完全符合预期，不需要额外匹配：

_id        lat        lng
3  6012fc07360d927bdb07b5f1  53.510487  12.847652
4  6012fc07360d927bdb07b5f2  52.196924  11.396162

这个方案全程没有脱离原表的行关联，内存中只维护一份核心数据，没有跨表查询的开销，匹配准确率100%。

方案二：生成独立坐标表时直接绑定_id #

如果业务流程确实需要把坐标数据拆分为独立的DataFrame，不需要等生成完新表再回查匹配，只要在遍历提取坐标时，同步把对应行的_id加入记录即可。
只要调整原有循环的遍历逻辑：

c_records = []
# 同步遍历原表的_id列和coordinates列，保证一一对应
for _id, coords in zip(data['_id'], data['coordinates']):
    c_records.append({
        '_id': _id,
        'lat': coords[0],
        'lng': coords[1]
    })
coords_df = pd.DataFrame(c_records)

生成的coords_df本身就携带完整的_id字段，后续直接做过滤操作即可，完全不需要再回查原表：

north = coords_df[coords_df['lat'] > 52.00]

注意事项 #

• 拆分列时一定要显式指定索引和原表对齐，不要靠默认的位置顺序硬匹配，一旦原表中途做过排序、删行操作，位置匹配就会出错。
• 从MongoDB导出的ObjectId类型_id，在拆分过程中不会改变原有类型，不需要额外做格式转换。

内容的提问来源于stack exchange，提问作者mayo-s