Python Pandas DataFrame:如何将由字典组成的列处理成由字典的键确定的多个列？

在Python Pandas中，可以使用DataFrame的apply函数将由字典组成的列处理成由字典的键确定的多个列。

首先，我们需要创建一个包含字典的DataFrame。假设我们有一个字典，其中包含三个键值对，分别是'name'、'age'和'gender'，对应的值是一个列表。我们可以使用以下代码创建DataFrame：

import pandas as pd

data = {'info': [{'name': 'Alice', 'age': 25, 'gender': 'Female'},
                 {'name': 'Bob', 'age': 30, 'gender': 'Male'},
                 {'name': 'Charlie', 'age': 35, 'gender': 'Male'}]}

df = pd.DataFrame(data)

这样，我们就创建了一个名为df的DataFrame，其中包含一个名为'info'的列，该列的每个元素都是一个字典。

接下来，我们可以使用apply函数将'info'列处理成由字典的键确定的多个列。我们可以定义一个函数，该函数接收一个字典作为参数，并返回一个Series对象，其中包含由字典的键确定的多个列。然后，我们可以使用apply函数将该函数应用到'info'列上。具体代码如下：

def process_info(row):
    info_dict = row['info']
    return pd.Series(info_dict)

df[['name', 'age', 'gender']] = df.apply(process_info, axis=1)

在这个例子中，我们定义了一个名为process_info的函数，该函数接收一个字典作为参数，并返回一个包含'name'、'age'和'gender'列的Series对象。然后，我们使用apply函数将该函数应用到DataFrame的每一行上，并将返回的Series对象赋值给新创建的列。

最后，我们可以打印出处理后的DataFrame，查看结果：

print(df)

输出结果如下：

       info     name  age  gender
0  {'name': 'Alice', 'age': 25, 'gender': 'Female'}    Alice   25  Female
1      {'name': 'Bob', 'age': 30, 'gender': 'Male'}      Bob   30    Male
2  {'name': 'Charlie', 'age': 35, 'gender': 'Male'}  Charlie   35    Male

在这个例子中，我们成功将由字典组成的列处理成了由字典的键确定的多个列。

推荐的腾讯云相关产品：腾讯云数据库TDSQL、腾讯云云服务器CVM、腾讯云云原生容器服务TKE。

腾讯云数据库TDSQL是一种高性能、高可用的关系型数据库，支持MySQL和PostgreSQL。它提供了强大的数据存储和处理能力，适用于各种应用场景，包括Web应用、移动应用、物联网、游戏等。了解更多信息，请访问：https://cloud.tencent.com/product/tdsql

腾讯云云服务器CVM是一种弹性计算服务，提供了可靠、安全、灵活的云服务器实例。它可以满足不同规模和需求的应用场景，包括网站托管、应用程序部署、大数据分析、人工智能等。了解更多信息，请访问：https://cloud.tencent.com/product/cvm

腾讯云云原生容器服务TKE是一种高度可扩展的容器管理服务，基于Kubernetes技术。它提供了简单易用的界面和丰富的功能，可以帮助用户快速构建、部署和管理容器化应用。了解更多信息，请访问：https://cloud.tencent.com/product/tke