Python如何将字典转为数据框
用户关注问题
如何使用Python将嵌套字典转换为数据框？
我有一个包含多层嵌套的字典结构，想要将其转换成pandas数据框，应该怎样操作？
利用pandas的json_normalize函数处理嵌套字典
要将嵌套字典转换为数据框，可以使用pandas的json_normalize函数。它能够将多层嵌套的字典展开为平坦的表格格式，从而方便转换成DataFrame。示例代码：
from pandas import json_normalize
import pandas as pd
nested_dict = {
'id': 1,
'info': {
'name': 'Alice',
'age': 25
},
'scores': {
'math': 90,
'english': 88
}
}
df = json_normalize(nested_dict)
print(df)
这会将嵌套的键值展开，生成对应的列。
有没有简单方法将平铺字典转换为pandas数据框？
我有一个普通的字典，键是列名，值是数据列表，怎么快速把它转换成数据框？
直接使用pandas.DataFrame构造函数转换字典
当字典的结构是以列名为键，数据列表为值时，可以直接调用pandas的DataFrame构造函数进行转换。例如：
import pandas as pd
data = {
'name': ['Tom', 'Jane', 'Alice'],
'age': [20, 22, 24],
'score': [88, 92, 85]
}
df = pd.DataFrame(data)
print(df)
这会马上生成对应的数据框，适合数据组织为各列形式的字典。
在Python中如何处理字典转换为数据框时的缺失值？
转换字典为数据框时遇到不同键对应的数据长度不一致，会产生缺失值，有什么方法可以处理这些缺失部分？
通过pandas自动处理缺失值及后续填充方法
当字典中不同键对应的列表长度不统一时，pandas会在转换时以NaN填充缺失位置。可以使用DataFrame的fillna方法处理缺失值：
import pandas as pd
data = {
'name': ['Tom', 'Jane'],
'age': [20, 22, 24]
}
df = pd.DataFrame(dict([(k, pd.Series(v)) for k, v in data.items()]))
print(df)
# 填充缺失值
df_filled = df.fillna(method='ffill') # 向前填充
print(df_filled)
这帮助保持数据完整性，确保数据框中缺失部分处理得当。