如何将字典类型的列拆分为两个不同类型的列？

Question

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

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)

但是它在df2行中给出了这个错误

 *** AttributeError: 'float' object has no attribute 'keys'

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：

Employee                           | RecordID
nan                                |    7051

我需要保留这3条没有员工记录的记录，并显示它们的record Id，最后data_df显示员工id和员工姓名的空列

总而言之：

输入

Employee                           | RecordID
{'Id': 185, 'Title': 'Full Name'}  |    9
nan                                |    7051

预期产量

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

我用data_df["Employee"].apply(pd.Series)使它工作起来，但速度非常慢

是否有一种方法而不是使用pd.series来拆分字典列，其中该字典具有不同的列类型和nan值，从而将列分隔到父数据帧中

谢谢

Answer 1

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')