Python 3.x 熊猫-创建动态列

我每行都有一本字典。我的目标是把它平铺成一排

0    [{'key': 'ga_session_id', 'value': {'string_va...
1    [{'key': 'source', 'value': {'string_value': '...
2    [{'key': 'firebase_event_origin', 'value': {'s...
3    [{'key': 'firebase_conversion', 'value': {'str...

Name: params, dtype: object

以下是一行的示例：

[{'key': 'ga_session_id',
  'value': {'string_value': None,
   'int_value': '1575017974',
   'float_value': None,
   'double_value': None}},
 {'key': 'firebase_conversion',
  'value': {'string_value': None,
   'int_value': '1',
   'float_value': None,
   'double_value': None}},
 {'key': 'firebase_event_origin',
  'value': {'string_value': 'auto',
   'int_value': None,
   'float_value': None,
   'double_value': None}},
 {'key': 'ga_session_number',
  'value': {'string_value': None,
   'int_value': '2',
   'float_value': None,
   'double_value': None}},
 {'key': 'engaged_session_event',
  'value': {'string_value': None,
   'int_value': '1',
   'float_value': None,
   'double_value': None}}]

我希望迭代行中的每个元素，并动态创建动态列。例如：

[{'key': 'ga_session_id',
  'value': {'string_value': None,
   'int_value': '1575017974',
   'float_value': None,
   'double_value': None}}, ...]

到

这同样适用于行中的其他元素。我知道我们可以使用apply动态填充新列。这就是我尝试过的

import itertools as it
df4 = pd.DataFrame.from_records(it.chain.from_iterable(
    i for i in df2['params']))

这是输出：

---

但是，我丢失了数据所属行的轨迹。我需要一些帮助

我创建了数据帧的副本，然后逐行迭代，动态创建列，并在新（副本）数据帧中添加数据

tmp_df = deepcopy(df)
col_list = []
for index,row in df.iterrows():
    for element in row[column]:
        cols = ["%s.%s"%(element['key'],key) for key in element['value'].keys()]
        tmp_df = tmp_df.reindex(columns=list(dict.fromkeys(tmp_df.columns.tolist() + cols).keys()))
        tmp_df.loc[index,cols] = element['value'].values()

---

我创建了数据帧的副本，然后逐行迭代，动态创建列，并在新（复制）数据帧中添加数据

tmp_df = deepcopy(df)
col_list = []
for index,row in df.iterrows():
    for element in row[column]:
        cols = ["%s.%s"%(element['key'],key) for key in element['value'].keys()]
        tmp_df = tmp_df.reindex(columns=list(dict.fromkeys(tmp_df.columns.tolist() + cols).keys()))
        tmp_df.loc[index,cols] = element['value'].values()

---

所有元素是否具有相同的结构？（

键

，

深度

等）是的，它们具有相同的结构

列表中有多少记录？为什么您不想使用迭代创建
元组
的
dict
？列表中的记录数是可变的，我的目标是将所有这些记录展平以便所有元素都具有相同的结构？（
键
，
深度
等）是的，它们具有相同的结构
列表
中有多少记录？为什么不想使用迭代创建
元组的
dict
？列表中的记录数是可变的，我的目标是将所有这些记录展平
tmp_df = deepcopy(df)
col_list = []
for index,row in df.iterrows():
    for element in row[column]:
        cols = ["%s.%s"%(element['key'],key) for key in element['value'].keys()]
        tmp_df = tmp_df.reindex(columns=list(dict.fromkeys(tmp_df.columns.tolist() + cols).keys()))
        tmp_df.loc[index,cols] = element['value'].values()