本文介绍如何使用队列驱动的广度优先遍历策略，将 Pandas DataFrame 中任意深度嵌套的 `children` 字典列表（如事件树结构）完全扁平化为单层行记录，避免多次调用 `explode()` 的复杂性与不确定性。
在处理树形结构数据（如事件层级、表单嵌套、组织架构）时，原始数据常以嵌套字典列表形式存在，其中 children 字段可递归包含相同结构的子项，且嵌套深度未知。Pandas 的 explode() 方法仅支持单层展开，无法自动处理多级嵌套；若强行链式调用（如 df.explode('children').explode('children')），需预知最大深度，既不健壮也不可维护。
更优雅、通用的解决方案是脱离 DataFrame 操作，在 Python 层完成递归/迭代展开，再统一构建最终 DataFrame。推荐使用 collections.deque 实现广度优先遍历（BFS） —— 它天然适合按层级顺序展开树结构，逻辑清晰、性能稳定、无栈溢出风险（相比深度优先递归）。
以下是完整实现步骤：
✅ 步骤 1：BFS 展开嵌套结构
from collections import deque
import pandas as pd
# 初始化双端队列，放入根节点
queue = deque(d2)
flattened = []
while queue:
node = queue.popleft()
# 保留当前节点所有字段（包括 forms、repetition_id 等）
flattened.append(node)
# 提取并扩展 children：为每个子节点注入 parent_event_id（可选，便于溯源）
children = node.get("children", [])
for child in children:
# 可选：添加父级上下文（强烈建议保留，便于后续分析父子关系）
enriched_child = {**child, "parent_event_id": node["event_id"]}
queue.append(enriched_child)
# 构建最终 DataFrame
df_flat = pd.DataFrame(flattened)✅ 步骤 2：清理冗余字段（关键！）
注意：原始 children 字段在展开后已失去结构意义（每行只代表一个节点），应设为空列表或直接删除，避免混淆：
# 方案 A：清空 children 列（保留列名，值置为 []） df_flat["children"] = df_flat["children"].apply(lambda x: []) # 方案 B：彻底移除 children 列（推荐，除非下游依赖该列存在） df_flat = df_flat.drop(columns=["children"], errors="ignore")
✅ 输出效果验证
运行后，df_flat 将严格匹配预期格式：
- 每行对应树中一个唯一节点（含根、中间、叶子）；
- event_id、display_name、form_count、repetition_id 等字段均来自对应节点；
- forms 字段保持原样（列表结构，可后续 explode('forms') 单独展开）；
- 若启用 parent_event_id，则可轻松还原层级关系（例如筛选 parent_event_id == 't1' 获取所有直接子节点）。
⚠️ 注意事项
- 不要对 children 列使用 pd.json_normalize() 后拼接：这会导致字段覆盖、索引错乱，且无法处理多层嵌套；
- 避免递归函数：深层嵌套可能触发 RecursionError，BFS 迭代更安全；
- forms 不参与展开逻辑：它属于叶节点属性，应独立处理（如后续 explode('forms') + json_normalize）；
- 字段一致性保障：BFS 过程中所有节点均被 **child 解包合并，确保新增字段（如 parent_event_id）与原有字段共存。
该方法时间复杂度为 O(N)，N 为树中总节点数，空间复杂度也为 O(N)，是处理动态深度嵌套结构的工业级标准解法。
