Python 中将嵌套日期-价格字符串列表高效展开为长格式数据表

在日常数据分析中，我们经常会遇到这样一种情况：明明数据已经整理好了，但偏偏有一列数据是嵌套的“键值对”列表，比如 ["March:59", "April:64"] 这种格式。想要把它拆成标准的 id-date-price 长格式表，手动循环太慢，用 apply 又不够优雅。其实，Pandas 里已经内置了非常高效的方案，关键就看你这列数据到底是“真正的 Python 列表”还是“长得像列表的字符串”。

先说说最常见的场景：如果 Prices 列在 DataFrame 里是 list 类型（比如你从 JSON 直接解析出来的），那直接用 explode() 是最省事的。它天生就是为展开嵌套序列设计的，性能高，代码也干净。

✅ 方案一：Prices 是真实列表（推荐）

import pandas as pd

df = pd.DataFrame({
    'Id': ['001', '002'],
    'Prices': [["March:59", "April:64", "May:62"], ["Jan:55"]]
})

# 1. 展开列表 → 每个元素占一行
out = df.explode('Prices')

# 2. 拆分 "Month:Price" 字符串为两列，并移除原列
out[['date', 'price']] = out.pop('Prices').str.split(':', expand=True)

# 3. 可选：转换 price 为数值类型
out['price'] = pd.to_numeric(out['price'])

这段代码跑完，原本每行一条记录就变成了每行一个日期-价格对，干净利落。

不过，现实往往没那么理想。很多时候你从 CSV 或数据库里拿到的数据，这个 Prices 列其实是一个字符串，比如 '["March:59", "April:64", "May:62"]'。这时候 explode() 会直接报错——因为它期待的是可迭代对象，而不是字符串。那怎么办？别急，用正则提取就好了。

✅ 方案二：Prices 是字符串（需正则提取）

df = pd.DataFrame({
    'Id': ['001', '002'],
    'Prices': ['["March:59", "April:64", "May:62"]', '["Jan:55"]']
})

# 使用正则捕获 date 和 price，匹配非引号/冒号字符序列
pattern = r'"(?P[^":]+):(?P[^":]+)"'
out = (df.drop('Prices', axis=1)
         .join(df['Prices'].str.extractall(pattern).droplevel('match')))

这里的关键是正则表达式 [^":]+，确保只匹配不含引号和冒号的子串，避免跨字段误匹配。如果价格带小数点，比如 "April:64.5"，把 price 那部分改成 [\d.]+ 就行。

⚠️ 注意事项

• 用 explode() 之前，建议先用 df['Prices'].apply(type) 确认一下列的类型——传错类型会直接报错，排查起来挺耽误时间的。
• 正则方案提取后，索引会重复（比如 0,0,0,1），如果后续需要唯一索引，记得加一句 .reset_index(drop=True)。
• 最终结果里，date 和 price 列已经是拆分好的，可以直接用于后续分析或可视化。

两种方法覆盖了绝大多数实际场景，既避免了手动循环的低效，也绕开了 apply 的繁琐。说到底，处理这种嵌套结构，选对工具比写复杂逻辑更重要——毕竟，数据分析师的时间应该花在思考业务上，而不是跟字符串死磕。