python - pandas对json值进行分列处理

昨天又碰到一个难题，对于DataFrame中某一列值都是json格式的数据如何通过pandas进行分割转化。
下面给出造句的思路。其实想明白之后也就很简单了。
主要是用到列表的有序性，但前提要保证原DF中的值都是非空值。

sst = 'c:2,d:2,aa:0'
ssa = 'c:1,d:-1,aa:2'
lst = [sst,ssa]
data = pd.DataFrame({'a':lst})
# 制造数据

[ 's'+str(i) for i in range(101,103,)]
data['index'] = [ 's'+str(i) for i in range(100,102)]
# 增加一列值，也是用于数据检验，因元数据中一定还存在其他列，如果只有一列json数据也就不用这样麻烦了

def split_column(data,col):
    '''
    DF中的值存在字典map格式数据，需要分拆成列进行展示的时候。直接使用df.col.str.split('xx',expand=True)就行不通了，这样得出的结果还是单个
    的map值。
    因此 通过对列值先转换成列表，然后对列表元素进行分拆，组合成列表字典格式，最好再转换成df格式。因列表的有序性。
    最后可以直接通过merge方法，通过相同索引合并原DF和列表字典转换后的DF就能实现了
    '''
    tent = col.values.tolist()  #转成列表
    tents = []  #定义空列表，用于接收DF中col分割后的字典
    for i in tent:
        dic = {}
        for j in i.split(','):  #这里分割，以目标值中的分割符为准
            dic[j.split(':')[0]] = j.split(':')[1]
        tents.append(dic)  #完成接收
    
    df = pd.DataFrame(tents)  #列表字典转换成DF格式
    for i in df.columns.tolist():  #针对字典的值为数字的，进行数值转换。如果值不为数字的，或者无需求的请pass掉 这个for循环
        df[i] = df[i].astype('int')
    data_new = pd.merge(data,df,left_index=True,right_index=True)  #将原DF和处理后的DF索引合并
    return data_new

    
df_new = split_column(data,data['a'])
#函数调用

分拆处理结果如下图：