Python 如何将字典类型的列拆分为两个不同类型的列？

我有一个数据框，有两列（加上索引），像这样，它有大约14000行

Employee                           | RecordID
{'Id': 185, 'Title': 'Full Name'}  |    9

我想像这样拆分这些列：

Id   |    Title      | RecordID
185  |  'Full Name'  |    9

Employee                           | RecordID
nan                                |    7051

我尝试使用此解决方案：

df2 = pd.DataFrame(data_df["Employee"].values.tolist(), index=data_df.index) <- error
data_df = pd.concat([data_df, df2], axis = 1).drop(column, axis = 1)

我有两种理论：一种是因为我在员工字典中有不同的列类型，另一种是：有3条记录的员工id为空，如下所示：

Id   |    Title      | RecordID
185  |  'Full Name'  |    9

Employee                           | RecordID
nan                                |    7051

我需要保留这3条没有员工记录的记录，并显示其

记录Id

，在最后的

数据中显示员工Id和员工姓名的空列

总而言之：

输入

预期产量

Id   |    Title      | RecordID
185  |  'Full Name'  |    9
nan  |  nan          |    7051

我使用
data\u df[“Employee”].apply（pd.Series）
实现了这一功能，但速度非常慢

是否有一种方法不使用
pd.series
拆分字典列，其中该字典具有不同的列类型和nan值，以将列分隔到父数据帧中

谢谢，
你能行

data_df1= data_df.dropna()

df2 = pd.DataFrame(data_df1["Employee"].values.tolist(), index= data_df1.index)

data_df=data_df.join(df2,how='left')

你能行

data_df1= data_df.dropna()

df2 = pd.DataFrame(data_df1["Employee"].values.tolist(), index= data_df1.index)

data_df=data_df.join(df2,how='left')

非常感谢！啊，我明白了，创建dataframe，过滤掉空值，将列转换为dataframe，然后左连接。我没有意识到数据帧可以做到这一点。我明天会核实，如果一切顺利，请将此标记为答案。在您的答案之后，我在
dropna
上查找文档，您是否建议仅在第一列使用它
df.dropna（subset=['Employee']）
@JoseR最好只做第一列就这么多！啊，我明白了，创建dataframe，过滤掉空值，将列转换为dataframe，然后左连接。我没有意识到数据帧可以做到这一点。我明天会核实，如果一切顺利，请将此标记为答案。在您的答案之后，我在
dropna
上查找文档，您是否建议仅在第一列使用它
df.dropna（子集=['Employee']）
@JoseR最好只做第一列