如何将Pandas DataFrame中的嵌套字典转换为列形式？

嘿，这个问题我之前碰到过好多次！不用慌，Pandas确实有高效的内置方法来处理这种嵌套结构，完全不用手动写循环逐行解析，既简洁又高效。

先模拟你的数据 #

首先咱们先把你描述的结构还原成可测试的示例DataFrame，方便你对应自己的场景：

import pandas as pd

# 模拟你的原始数据结构
data = {
    'ID': [0, 1, 2],
    'Sec Type': [20, 30, 40],
    'nested_col': [
        [{'id': '3233790e-1f47-403a-bb97-58a14a2f92ab', 'values': [{'number':50, 'level':1}]}],
        [{'id': 'bbc9852c-ac76-4ecd-9afb-dd371f3bd48b', 'values': [{'number':40, 'level':2}]}],
        [{'id': 'be5629e0-458d-4aaa-b2f8-77d8ad1b0f7f', 'values': [{'number':30, 'level':3}]}]
    ]
}
df = pd.DataFrame(data)

分步解析嵌套结构 #

咱们分三步就能把嵌套的结构完全展开成常规列：

1. 展开外层列表
   你的nested_col列里每个元素是长度为1的列表，先用explode把列表展开，让每个字典单独占一行：

df_exploded = df.explode('nested_col', ignore_index=True)

2. 用json_normalize解析嵌套字典
   接下来用pd.json_normalize深入解析字典里的嵌套列表，通过record_path指定要展开的内层列表（这里是values），meta参数保留外层的id字段：

# 解析嵌套的values列表，同时保留上层的id
normalized_nested = pd.json_normalize(df_exploded['nested_col'], record_path='values', meta='id')

3. 合并回原数据
   最后把原始的非嵌套列和解析后的结果合并，就得到完全扁平化的DataFrame了：

final_df = pd.concat([df_exploded.drop('nested_col', axis=1), normalized_nested], axis=1)

最终效果 #

运行完上面的代码，final_df的结构就是你想要的常规列形式：

额外说明 #

如果你的values列表里有多个元素（比如某一行的values是[{'number':50, 'level':1}, {'number':60, 'level':2}]），这套方法同样适用——json_normalize会自动把每个values元素展开成单独的行，完全不用修改代码。

内容的提问来源于stack exchange，提问作者Keithx