如何在Pandas DataFrame列的嵌套字典中查找替换指定内容

嘿，我完全懂你碰到的这个麻烦——当col列里存的是实打实的字典对象，而不是字符串的时候，Pandas那些字符串处理方法肯定不管用，毕竟.str.contains()和replace()都是给字符串类型准备的嘛。别慌，给你几个实用的解决方案：

方法1：用apply()直接提取code值 #

这是最直接的路子，对列里每个元素用lambda函数，直接取出字典里的code键对应的值：

df['col'] = df['col'].apply(lambda x: x['code'] if isinstance(x, dict) else x)

这里加了isinstance(x, dict)的判断，是怕列里混着非字典的内容（比如NaN或者意外的字符串），避免运行时报错。

方法2：先转字典再提取（如果是字符串格式的字典） #

有时候看起来是字典，其实可能是字符串形式的字典（比如从JSON文件读取时没做解析），要是这种情况，得先把字符串转成真正的字典：

import ast
# 把字符串格式的字典转成实际字典对象
df['col'] = df['col'].apply(ast.literal_eval)
# 再提取code值
df['col'] = df['col'].apply(lambda x: x['code'])

不过你说用str.contains()没效果，大概率你的列里是真正的字典对象，所以第一种方法更适合你。

方法3：用pd.json_normalize()展开字典（适合需要保留其他字段的场景） #

如果你之后还要用到字典里的其他字段（比如description、root_cause），可以用这个方法把字典拆成多列，之后按需处理：

# 把col列的字典展开成单独的DataFrame
dict_expanded = pd.json_normalize(df['col'])
# 和原DataFrame合并，替换掉原来的col列
df = pd.concat([df.drop('col', axis=1), dict_expanded], axis=1)
# 如果只需要保留code作为原col列的值，直接赋值就行
df['col'] = dict_expanded['code']

顺便说下为啥你之前的方法没用：.str.contains()这类方法是专门处理object类型下的字符串数据的，而你的列里是字典实例，这些方法根本没法识别字典内部的键值对，所以自然起不了作用啦。

内容的提问来源于stack exchange，提问作者Keithx