本文介绍如何使用广度优先遍历（bfs）递归展开 pandas 中包含多层嵌套 children 字段的字典列表，无需预知嵌套深度，即可将所有层级扁平化为独立行，并保留父子关系。
在实际数据处理中，我们常遇到树形结构的嵌套 JSON 或字典列表（如事件-子事件-表单层级），其中 children 字段本身又是一个字典列表，且嵌套深度未知、不固定。Pandas 的 explode() 方法仅支持单层展开，无法自动递归处理多级嵌套。直接链式调用 explode('children').explode('children') 不可行——既无法预判层数，又会导致字段覆盖与结构错乱。
此时，应跳出 DataFrame 操作思维，在构建 DataFrame 前完成逻辑扁平化。推荐使用广度优先搜索（BFS）配合 collections.deque 实现高效、可控的逐层展开：
from collections import deque
import pandas as pd
# 初始化队列，存入原始顶层节点
queue = deque(d2)
flattened = []
while queue:
node = queue.popleft()
# 保存当前节点（即当前层级的一行数据）
flattened.append(node)
# 提取并扩展其 children：每个 child 补充 parent_event_id（可选但强烈推荐）
for child in node.get("children", []):
# 深拷贝并注入父级上下文（避免修改原数据）
enriched_child = {**child, "parent_event_id": node["event_id"]}
queue.append(enriched_child)
# 构建最终 DataFrame（自动处理嵌套字段，如 forms、children 等保持原样）
df_flat = pd.DataFrame(flattened)✅ 关键优势说明：
- 无需预知深度：BFS 天然适配任意嵌套层级，代码简洁且鲁棒；
- 字段完整性保障：原始字典结构（如 forms 列仍为列表、children 列为空列表或子结构）被完整保留，符合预期输出格式；
- 可扩展性强：通过添加 parent_event_id 等字段，轻松支持后续层级关系分析（如生成路径 t1 → t_01 → t_03）；
- 性能友好：deque 的 popleft() 和 append() 均为 O(1)，整体时间复杂度为 O(N)，N 为总节点数。
⚠️ 注意事项：
- 若原始数据中 children 可能为 None（如示例所示），务必使用 .get("children", []) 防止 TypeError；
- pd.json_normalize() 在此场景不适用——它会将嵌套结构“拍平”为扁平列（如 children.0.form_id），而非生成新行；
- 如需保留原始行索引映射（例如标记某行源自第几个根节点），可在入队时携带元数据，例如 queue.append((node, root_idx))。
最终生成的 df_flat 即为所求：所有事件（含根节点与各级子节点）作为独立行存在，children 列仅保留其直属子节点（若有），forms 列保持原结构，完全匹配预期输出格式。该方法兼顾清晰性、健壮性与工程实用性，是处理动态嵌套结构的首选范式。
