无需循环将DataFrame中的字典转换为新表并生成指定列

当然有不用手动写循环的办法！用Pandas自带的apply方法结合字典操作就能轻松搞定，代码简洁还比手动循环高效。

先给你举个具体的例子，假设你的DataFrame长这样：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'code': [123, 456],
    'people': [
        {'Alice': 165, 'Bob': 180, 'Charlie': 175},
        {'David': 170, 'Eve': 185, 'Frank': 178}
    ]
})

接下来直接用两行代码就能生成你要的两列：

# 提取身高最高的人物名称
df['highest_guy'] = df['people'].apply(lambda x: max(x, key=x.get))
# 提取对应的身高数值
df['highest_guy_size'] = df['people'].apply(lambda x: max(x.values()))

解释一下这两行的逻辑：

• max(x, key=x.get)：针对每行的字典x，x.get会返回键对应的值，max函数会根据这个值的大小，返回最大的那个键（也就是身高最高的人）
• max(x.values())：直接取字典里所有值的最大值，也就是最高的身高数值

处理后的结果就是你想要的格式：

code                            people highest_guy  highest_guy_size
0   123  {'Alice': 165, 'Bob': 180, 'Charlie': 175}          Bob                180
1   456  {'David': 170, 'Eve': 185, 'Frank': 178}           Eve                185

如果你的数据量很大，还可以试试另一种写法（不过这种适合字典键比较规整的情况）：

# 把字典转成Series后取索引最大值和数值最大值
people_df = df['people'].apply(pd.Series)
df['highest_guy'] = people_df.idxmax(axis=1)
df['highest_guy_size'] = people_df.max(axis=1)

两种方法都不用写显式的for循环，Pandas内部会做优化处理，比手动遍历行效率高不少。

内容的提问来源于stack exchange，提问作者aabujamra