如何基于DataFrame中字典列的键生成新行？

嘿，我来给你分享两个更高效、更Pythonic的解决方案，替代你现在的循环写法～先明确下你的需求：

现有如下结构的DataFrame：

A	B	Dict
a	f	{'k1': 'v1', 'k2': 'v2'}
b	h	{}
c	g	{'k3': 'v3'}

期望提取字典的键展开成新行，空字典对应的行直接丢弃，最终得到：

A	B	Keys
a	f	k1
a	f	k2
c	g	k3

你当前用iterrows循环的方法虽然能跑，但当数据量变大时效率会很低，而且代码不够简洁。下面是两种更好的方案：

方案一：用explode快速展开（推荐，Pandas 0.25+支持） #

这是最简洁高效的方法，利用Pandas原生的explode函数来处理列表展开：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'A': ['a', 'b', 'c'],
    'B': ['f', 'h', 'g'],
    'Dict': [{'k1': 'v1', 'k2': 'v2'}, {}, {'k3': 'v3'}]
})

# 1. 将字典列转为键的列表（空字典对应空列表）
df['Keys'] = df['Dict'].apply(lambda x: list(x.keys()))
# 2. 展开列表并过滤空值，最后删除原Dict列
result = df.explode('Keys').dropna(subset=['Keys']).drop(columns=['Dict'])

print(result)

为什么这个方法更好？ #

• explode是Pandas内部优化过的方法，比手动循环快几倍甚至几十倍（数据量越大差距越明显）
• 代码逻辑清晰，一行转换+一行展开就搞定，非常Pythonic

方案二：用stack处理复杂场景 #

如果你的字典结构更复杂，或者需要同时处理键和值，这个方法更灵活：

import pandas as pd

df = pd.DataFrame({
    'A': ['a', 'b', 'c'],
    'B': ['f', 'h', 'g'],
    'Dict': [{'k1': 'v1', 'k2': 'v2'}, {}, {'k3': 'v3'}]
})

# 1. 将每个字典转为临时DataFrame，stack把列名（字典的键）转为行
temp_df = df['Dict'].apply(pd.Series).stack().reset_index(level=1, name='Value')
# 2. 只保留键的列，重命名后和原表合并
temp_df = temp_df.drop(columns='Value').rename(columns={'level_1': 'Keys'})
result = df.join(temp_df).drop(columns=['Dict']).dropna(subset=['Keys'])

print(result)

这个方法的核心是把字典的键转成临时表的列，再通过stack把列转为行，适合需要同时处理键值对的场景。

内容的提问来源于stack exchange，提问作者Silver Duck