如何将DataFrame字典列的键值对转换为新结构化DataFrame？

需求说明 #

现有DataFrame的schedules列存储着嵌套字典，需要将所有行中字典的键值对提取出来，生成指定结构的新DataFrame：

初始状态 #

>>> df['schedules']
0     {'3263524': 'Group 1 CORE DAYS', '3263525': 'Group 1 CORE NIGHTS', '3263526': 'Group 1 EDUCATION', '3263527': 'Group 1 ROUNDING'}
1     {'3263524': 'Group 1 CORE DAYS', '3881368': 'VS Days', '3881370': 'VS Education Shift A', '3881455': 'VS Education Shift B'}
...

期望输出 #

>>> df_schedules
          id            schedule_name
0    3263524        Group 1 CORE DAYS
1    3263525      Group 1 CORE NIGHTS
2    3263526        Group 1 EDUCATION
3    3263527         Group 1 ROUNDING
4    3881368                  VS Days
5    3881370     VS Education Shift A
6    3881455     VS Education Shift B

解决方案 #

你之前的方法仅处理了单行数据，要实现全量提取，可通过以下代码完成：

# 遍历schedules列的每个字典，转换为带指定列名的DataFrame
individual_dfs = [pd.DataFrame.from_dict(item, orient='index', columns=['schedule_name']) for item in df['schedules']]

# 合并所有单行结果
df_schedules = pd.concat(individual_dfs)

# 将原索引（字典的键）转为id列，并重置行索引
df_schedules = df_schedules.reset_index(names='id').reset_index(drop=True)

代码说明 #

• 用列表推导式遍历schedules列的每个字典，通过orient='index'将字典的键设为临时索引，值存入schedule_name列
• pd.concat()将所有单行生成的小DataFrame合并为一个完整表
• reset_index(names='id')把临时索引（原字典的键）转为正式的id列，再用reset_index(drop=True)生成从0开始的连续行索引

内容的提问来源于stack exchange，提问作者skohrs