尝试：

res4=df.loc[[1,2,3],'A'].str['key1'].values

# instead of using apply() and lambda use .str['key name'] to get a value of particular key

res4=np.vstack(res4)

# it's similar to np.stack() at axis=0

# Finally:

res4=np.where(pd.isna(res4),0,res4)

产量 res4 :

array([[0., 2., 0., 4.],
       [0., 2., 0., 4.],
       [0., 2., 0., 4.]])

对你的问题的解释：
您得到的值是numpy的数组系列：

df.loc[[1,2,3],'A'].str['key1']

# output:

1    [nan, 2.0, nan, 4.0]
2    [nan, 2.0, nan, 4.0]
3    [nan, 2.0, nan, 4.0]
Name: A, dtype: object

您可以通过Map类型检查：

df.loc[[1,2,3],'A'].str['key1'].map(type)

# output:

1    <class 'numpy.ndarray'>
2    <class 'numpy.ndarray'>
3    <class 'numpy.ndarray'>
Name: A, dtype: object

# OR

# just by:

df.loc[[1,2,3],'A'].str['key1'].values

# output:

array([array([nan,  2., nan,  4.]), array([nan,  2., nan,  4.]),
       array([nan,  2., nan,  4.])], dtype=object)

您将获得数组的数组
注：该 na_value 参数在 to_numpy() 方法不起作用，因为序列中的值存储在容器中（本例中为np.array）
此外，如果发生以下情况，它将不起作用： list , tuple 及 set 因为它们也是容器（或者可以说是数据结构）
如果值未存储在容器中，则 na_value=0 行得通
考虑下面的例子：

s=pd.Series([5,4,7,np.nan,np.nan])

# Let's say I have this Series

df=pd.DataFrame(data=[[5,4,np.nan,np.nan,6],[2,np.nan,5,np.nan,7]]).T

# And this dataframe

# So the values inside Series and Dataframe are not stored in a container(the datatype is float)

现在我可以很容易地使用 na_value 参数 to_numpy() 方法：

s.to_numpy(na_value=0)

# output of above code:

array([5., 4., 7., 0., 0.])
df.to_numpy(na_value=0)

# output of above code:

array([[5., 2.],
       [4., 0.],
       [0., 5.],
       [0., 0.],
       [6., 7.]])

更新：
正如我上面提到的 na_value 参数在 to_numpy() 方法不起作用，因为序列中的值存储在容器中（本例中为np.array）
您将从dict中获得一个值数组（数组是一个保存值的容器），其键为“key1”
考虑下面的例子：

d={}
d['key1']=np.array([np.nan,2,np.nan,4])
d['key2']=np.array([5,6,7,8])                 
d['key3']=np.array([9,10,11,12])       
d1={}
d1['key1']=np.nan
d1['key2']=np.array([5,6,7,8])                 
d1['key3']=np.array([9,10,11,12]) 
df=pd.DataFrame(index=[0,1,2,3],columns=['A','B'])
df.at[0,'A'] = d
df.at[1,'A'] = d
df.at[2,'A'] = d1
df.at[3,'A'] = d1

现在如果你使用 na_value 您将获得的参数：

df['A'].str['key1'].to_numpy(na_value=0)

# output:

array([array([nan,  2., nan,  4.]), array([nan,  2., nan,  4.]), 0, 0],
      dtype=object)
                                           ^nan are not filled because they are inside the container(np.array)                      
                                                                ^nan fill with 0

注:
如果该系列包含真实dict，则可以使用 str['keyname'] 在一系列中获取该键的值的符号，当然它比 apply() 和匿名函数

第一个问题

使命感 to_numpy() 然后 np.stack() 似乎是正确的答案，我想不出更好或更短的方法。

第二个问题

我假设您希望用零替换NaN，而不是删除值（并更改形状）。以下代码将执行此操作：

res4 = df.loc[[1,2,3],'A'].apply(lambda x: x.get('key1')).to_numpy()
res4 = np.stack(res4)
np.where(np.isnan(res4), 0, res4)
``` `np.isnan` 生成具有相同形状的布尔遮罩，以及 `np.where` 将0置于其为真的位置，否则它将保留该值 `res4` .