如何将Pandas DataFrame中列内的字典展开为独立列？

当然有非常便捷的Pandas操作可以实现这个需求，下面给你两种常用的方案：

方法一：使用apply(pd.Series) #

这是最直观的方式，直接将字典列的每个元素转换为Series，自动生成对应列：

import pandas as pd

# 假设你的原始DataFrame名为df
# 展开字典列
expanded_columns = df['column1'].apply(pd.Series)
# 将缺失值（不存在的键）填充为0，并转为整数类型
expanded_columns = expanded_columns.fillna(0).astype(int)
# 合并原索引与展开后的列
result_df = df[[]].join(expanded_columns)

执行后result_df就会是你想要的格式：缺失的键（比如e1-e4的c683）会自动填充为0，索引保持和原DataFrame一致。

方法二：使用json_normalize（大数据量更高效） #

如果你的数据集比较大，json_normalize的性能会优于apply(pd.Series)，用法也很简单：

from pandas import json_normalize

# 标准化字典列
expanded_columns = json_normalize(df['column1'])
# 填充缺失值并转整数
expanded_columns = expanded_columns.fillna(0).astype(int)
# 对齐原DataFrame的索引
expanded_columns.index = df.index
# 合并得到结果
result_df = df[[]].join(expanded_columns)

两种方法最终都会输出你期望的结构，根据数据规模选择合适的方式即可。

内容的提问来源于stack exchange，提问作者Thirupathi Thangavel