您有一个字符串列表，需要在重塑 Dataframe 之前将其转换为python数据结构：

>>> (df['col'].apply(ast.literal_eval).explode()
              .apply(pd.Series).reset_index()
              .pivot(index='index', columns='kind', values='name')
              .rename_axis(index=None, columns=None))

                                    cargo categoria_do_cargo                        diretoria               expectancy    geração                  gerência idade    n3     tempo_de_empresa
0  analista_de_relações_institucionais_sr       empregado(a)                         jurídico  custom_entre_1_e_3_anos  geração_x   relações_institucionais    53  reli   8-_mais_de_20_anos
1                            comprador_sr       empregado(a)                       financeiro    custom_mais_de_5_anos  geração_y                   compras    37  cind  4-_entre_3_e_5_anos
2                 técnico_de_operações_sr       empregado(a)  operações,_logística_e_sourcing  custom_entre_1_e_3_anos  geração_x                 operações    53  opav   8-_mais_de_20_anos
3                 parceiro_de_negócios_sr       empregado(a)                   gente_e_gestão  custom_entre_1_e_3_anos  geração_y  atração,_trein_e_do,_bps    36  adbp  3-_entre_1_e_3_anos
4                                operador       empregado(a)  operações,_logística_e_sourcing    custom_mais_de_5_anos  geração_x                 operações    48  opns  3-_entre_1_e_3_anos

一个更短的方法是利用operator.itemgetter函数（通过键获取字典值）并从字典列表中构造一个新的 Dataframe ：

import json
from operator import itemgetter

...
df_new = pd.DataFrame([dict([itemgetter('kind', 'name')(d) for d in lst])
                       for lst in df[0].apply(json.loads)])

diretoria categoria_do_cargo  \
0                         jurídico       empregado(a)   
1                       financeiro       empregado(a)   
2  operações,_logística_e_sourcing       empregado(a)   
3                   gente_e_gestão       empregado(a)   
4  operações,_logística_e_sourcing       empregado(a)   

                   gerência                                   cargo  \
0   relações_institucionais  analista_de_relações_institucionais_sr   
1                   compras                            comprador_sr   
2                 operações                 técnico_de_operações_sr   
3  atração,_trein_e_do,_bps                 parceiro_de_negócios_sr   
4                 operações                                operador   

     geração idade               expectancy     tempo_de_empresa    n3  
0  geração_x    53  custom_entre_1_e_3_anos   8-_mais_de_20_anos  reli  
1  geração_y    37    custom_mais_de_5_anos  4-_entre_3_e_5_anos  cind  
2  geração_x    53  custom_entre_1_e_3_anos   8-_mais_de_20_anos  opav  
3  geração_y    36  custom_entre_1_e_3_anos  3-_entre_1_e_3_anos  adbp  
4  geração_x    48    custom_mais_de_5_anos  3-_entre_1_e_3_anos  opns