如何拆分Pandas DataFrame列中的字典为新列并展开成行？

嘿，我刚好处理过类似的需求，给你两种实用的解决方案，亲测有效：

这是比较经典的处理方式，适配各种Pandas版本：

import pandas as pd

# 你的原始数据
df = pd.DataFrame([{'A': {'k1': 10}}, {'A': {'k2': 20, 'k3': 30}}, {'A': {'k4': 15}}])

# 核心处理代码
result = df['A'].apply(pd.Series).stack().reset_index(level=1).rename(columns={'level_1': 'keys', 0: 'values'})
# 清理多余列并重置索引
result = result.drop('A', axis=1).reset_index(drop=True)

print(result)

步骤拆解： #

• df['A'].apply(pd.Series)：把列A里的每个字典转换成Series，原来的一行会扩展成多列（列名就是字典的键），没有的键会自动填充NaN；
• .stack()：把列索引“压”成行索引，这样所有非NaN的键值对都会变成单独的一行，形成多级索引的Series；
• .reset_index(level=1)：把第二级索引（也就是原来的字典键）转成普通列，同时保留值列；
• 最后重命名列、删掉多余的列并重置索引，就得到你要的结果啦。

如果你的Pandas版本在1.3.0及以上，推荐用这个方法，数据量大的时候速度会快很多：

import pandas as pd

df = pd.DataFrame([{'A': {'k1': 10}}, {'A': {'k2': 20, 'k3': 30}}, {'A': {'k4': 15}}])

# 先把字典转成键值元组的列表
df['A'] = df['A'].apply(lambda x: list(x.items()))
# 把列表里的每个元组拆成单独一行
result = df.explode('A')
# 把元组拆成两列
result[['keys', 'values']] = pd.DataFrame(result['A'].tolist(), index=result.index)
# 清理收尾
result = result.drop('A', axis=1).reset_index(drop=True)

print(result)

步骤拆解： #

• lambda x: list(x.items())：把每个字典转成[(键, 值)]这样的元组列表；
• explode('A')：把列表中的每个元组单独拆成一行，这一步是Pandas 1.3.0新增的实用功能；
• pd.DataFrame(result['A'].tolist())：把元组列直接拆分成两列，最后清理掉多余的列就行。

不管用哪种方法，最终都会输出你想要的结果：

keys  values
0   k1      10
1   k3      30
2   k2      20
3   k4      15

内容的提问来源于stack exchange，提问作者Vivek Harikrishnan