如何从含字典的行中创建新的pandas DataFrame？

嘿，我来帮你搞定这个问题！你的DataFrame里mandados列每行都是包含嵌套字典的列表，要把这些内容展开成新的DataFrame，咱们分步骤来：

第一步：确认数据类型 #

首先得搞清楚mandados列里的内容是原生Python对象，还是字符串格式的列表/字典（CSV读取经常会把Python对象转成字符串）。你可以先跑这段代码看看：

print(type(geral['mandados'].iloc[0]))

如果输出是<class 'str'>： #

那说明内容是字符串，得先把它转换成Python的列表+字典对象，用ast.literal_eval来解析：

import ast

# 将字符串格式的列表字典转为Python原生对象
geral['mandados'] = geral['mandados'].apply(ast.literal_eval)

如果输出是<class 'list'>： #

那直接进入下一步就行～

第二步：展开嵌套内容生成新DataFrame #

接下来咱们把列表拆分成单独行，再把字典展开成列：

# 1. 把每行的列表拆成单独的行，每个字典占一行
exploded_df = geral.explode('mandados', ignore_index=True)

# 2. 把嵌套字典展开成扁平的列（支持多层嵌套哦）
final_df = pd.json_normalize(exploded_df['mandados'])

# 3. 如果需要保留原DataFrame的其他列（比如sucesso、paginador），就合并进去
final_df = final_df.join(exploded_df[['sucesso', 'paginador']].reset_index(drop=True))

代码解释 #

• explode('mandados')：把每行里的列表元素拆出来，原来一行如果有3个字典，就会变成3行，每行对应一个字典。
• pd.json_normalize()：自动把字典的键变成列名，值填充到对应位置，哪怕字典是多层嵌套的（比如{"info": {"nome": "xxx", "idade": 30}}），也会展开成info.nome、info.idade这样的列。
• join()：把原DataFrame里你需要保留的列（比如sucesso、paginador）合并到新的DataFrame里，保证每行的关联信息不丢失。

举个小例子：如果原DataFrame某行是这样的：

经过处理后，final_df会变成：

如果你的字典结构有不一致的地方（比如有的字典多几个键），json_normalize会自动给缺失的列填充NaN，完全不用担心～

内容的提问来源于stack exchange，提问作者Reinaldo Chaves