Pandas 0.23版本拆解DataFrame字典列报错，求有效解决方案

我之前也碰到过类似的版本兼容坑，你的错误根源在于Pandas 0.23对fillna方法的参数校验逻辑做了严格调整——原来在0.22里能通过的「用长度为1的Series填充所有NaN」的方式，在0.23里会因为索引与数据长度不匹配直接报错。下面给你两个可行的解决方案：

方案一：结合apply和pd.Series处理 #

这是最直观的方式，先把NaN值替换成默认字典，再将每个字典自动拆分成多列：

import pandas as pd

# 替换NaN为默认字典，再转为Series拆分列
dict_columns = df['dict_codes'].apply(
    lambda x: x if pd.notna(x) else {'code': 'not applicable'}
).apply(pd.Series)

# 将拆分后的列合并回原DataFrame
final_df = pd.concat([df, dict_columns], axis=1)

方案二：预处理列表后用from_records #

如果你更习惯用from_records的写法，可以先手动处理字典列表里的NaN值，再生成新的DataFrame：

# 预处理字典列表，把NaN替换为默认字典
processed_list = [
    item if pd.notna(item) else {'code': 'not applicable'} 
    for item in df['dict_codes'].tolist()
]

# 生成拆分后的列
dict_columns = pd.DataFrame.from_records(processed_list)

# 合并到原数据
final_df = pd.concat([df, dict_columns], axis=1)

为什么原来的代码失效？ #

在Pandas 0.22中，fillna对传入的Series参数比较宽松：哪怕你创建的Series长度只有1，但只要指定了和原DataFrame一致的索引，它会自动广播填充所有NaN行。但0.23版本严格要求传入的Series长度必须和原DataFrame完全匹配，你写的pd.Series([{'code':'not applicable'}], index=df.index)实际只有1条数据，却要对应原DataFrame的多行，导致填充后的数据结构异常，最终触发ValueError: Length of passed values is 1, index implies x。

这两个方案都能在Pandas 0.23及以上版本稳定运行，逻辑也更清晰，避开了版本兼容的坑。

内容的提问来源于stack exchange，提问作者DBa