我给你写了两个小函数，你可以用它们来解压数据框。

原始数据框如下所示

import pandas as pd
df = pd.DataFrame(data = temp['data']['weather'])
df.head()

第一个很简单，它需要一个数据框和一个列的名称，并将该列提取到一个新的数据框中。

def extract_col_as_df(df, column_name):
    data = [datum[0] for datum in df[column_name]]
    df = pd.DataFrame(data = data)
    return df

df_astronomy = extract_col_as_df(df, 'astronomy')
df_astronomy.head()

df_astronomy = extract_col_as_df(df, 'hourly')
df_astronomy.head()

提取的表有时有一个无用的字典列表，只有一个值，这一事实困扰着我。当然，您可以使用与上述相同的功能将该列提取为另一个数据框，但是您将拥有一个包含单个列的数据框，为什么不直接将其解压缩到位。因此，我编写了另一个函数，通过解压缩具有单个值的字典列表来清理提取的数据帧。

更好的版本

这个版本还需要一个数据框和一个列名来从中提取一个数据框。但是从提取的数据框中，如果一列包含一个只有一个值的字典列表，它将解包它。

def extract_col_as_df(df, column_name):
    data = [datum[0] for datum in df[column_name]]

    data = []
    for datum in df[column_name]:
        record = {}
        for i in datum[0]:
            # If the entry in the record is comprised of a list with a 
            # dictionary containing a single value then unpack it
            if type(datum[0][i]) is list:
                if len(datum[0][i]) == 1:
                    key_name = list(datum[0][i][0].keys())[0]
                    record.update({i: datum[0][i][0][key_name]})
                else:
                    record.update({i: datum[0][i]})
            else:
                record.update({i: datum[0][i]})
        data.append(record)

    df = pd.DataFrame(data = data)
    return df

df_astronomy = extract_col_as_df(df, 'hourly')
df_astronomy.head()