遍历pandas列中的词典列表并创建新列

Question

我想从pandas数据框列中解析json字典，遍历字典并将它们分配给新的列值。

以下是数据框的一列：df['Column'][0]

[{'Name': 'Vacant', 'Value': 3904000, 'Unit': 'Qty'},
 {'Name': 'Vacant', 'Value': 11.7, 'Unit': 'Pct'},
 {'Name': 'Absorption', 'Value': 415000, 'Unit': 'Units'},
 {'Name': 'AbsorpOcc', 'Value': 1.4, 'Unit': 'Pct'},
 {'Name': 'Occupied', 'Value': None, 'Unit': 'Qty'}]

我有以下代码来遍历pandas数据框中的每一行，然后遍历列表中的每个字典并创建新列。

# Iterate over dataframe to parse select rows   
# Declare array
s = ""

#Iterate over each row in Dataframe
for index, row in df.iterrows():
    
    # Iterate over each json object in each row in DataFrame
    for i in range(0,len(row['Column'])):
        
        for k,v in row['Column'][i].items():
            
            # Concat string labels to assign them as column names
            if type(v) == str:
            
                s += v
            
        print(s)
                  

预期输出，新列：

Answer 1

您有特定要求来处理数据框的“列”列。 我认为您应该使用apply https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html。同样，此更改将在数据框中存在，因此您的功能可以实现。

def func(row):
    # your parsing logic
    index = row.name
    # {'Name': 'Vacant', 'Value': 3904000, 'Unit': 'Qty'}
    # col = 'Vacant', value = 3904000
    df.loc[index, col] = value
df.apply(func, axis=1)