如何以Pythonic方式从嵌套字典列表生成指定结构的DataFrame

给定如下结构的嵌套字典：

data1 = {
    'AI': [3, {'G': 0.0, 'C': 0.31666666666666665, 'L': 0.3333333333333333, 'U': 0.0, 'J': 0.0, 'W': 0.0, 'O1': 0.3333333333333333, 'O2': 0.016666666666666666, 'T1': 0.0, 'T2': 0.0, 'N': 0.0, 'B': 0.0, 'R': 0.0, 'D': 0.0, 'M': 0.0}, [0.3333333333333333, 0.3333333333333333, 0.3333333333333333]],
    'CY': [96, {'G': 0.010416666666666666, 'C': 0.0, 'L': 0.46875, 'U': 0.0, 'J': 0.010416666666666666, 'W': 0.0, 'O1': 0.41666666666666663, 'O2': 0.020833333333333332, 'T1': 0.0, 'T2': 0.07291666666666666, 'N': 0.0, 'B': 0.0, 'R': 0.0, 'D': 0.0, 'M': 0.0}, [0.3333333333333333, 0.3333333333333333, 0.3333333333333333]],
    'PY': [127, {'G': 0.0, 'C': 0.0, 'L': 0.42276422764227645, 'U': 0.008130081300813009, 'J': 0.0, 'W': 0.0, 'O1': 0.4552845528455285, 'O2': 0.04065040650406505, 'T1': 0.0, 'T2': 0.04878048780487805, 'N': 0.020325203252032523, 'B': 0.0040650406504065045, 'R': 0.0, 'D': 0.0, 'M': 0.0}, [0.3333333333333333, 0.3333333333333333, 0.3333333333333333]],
    'SR': [1, {'G': 0.0, 'C': 0.0, 'L': 0.0, 'U': 0.0, 'J': 0.0, 'W': 0.0, 'O1': 0.0, 'O2': 1.0, 'T1': 0.0, 'T2': 0.0, 'N': 0.0, 'B': 0.0, 'R': 0.0, 'D': 0.0, 'M': 0.0}, [0.33333333333333337, 0.33333333333333337, 0.33333333333333337]],
    'CV': [119, {'G': 0.03022827836191888, 'C': 0.09570154943733565, 'L': 0.1787022898077257, 'U': 0.059038954704106396, 'J': 0.01667767082036904, 'W': 0.0008338835410184519, 'O1': 0.46697478297033307, 'O2': 0.03193607185392467, 'T1': 0.0, 'T2': 0.08238175915743774, 'N': 0.0208470885254613, 'B': 0.00833883541018452, 'R': 0.0, 'D': 0.00833883541018452, 'M': 0.0}, [0.33216690905268464, 0.3354010574206815, 0.3324320335266338]],
    'BS': [65, {'G': 0.024576271186440683, 'C': 0.1033898305084746, 'L': 0.08576271186440679, 'U': 0.37796610169491535, 'J': 0.016949152542372885, 'W': 0.0, 'O1': 0.21864406779661022, 'O2': 0.07271186440677968, 'T1': 0.050847457627118654, 'T2': 0.013559322033898308, 'N': 0.016949152542372885, 'B': 0.0016949152542372885, 'R': 0.0, 'D': 0.016949152542372885, 'M': 0.0}, [0.3346524499339513, 0.3346524499339513, 0.33069510013209746]],
    'RD': [24, {'G': 0.041666666666666664, 'C': 0.0, 'L': 0.29166666666666663, 'U': 0.0, 'J': 0.0, 'W': 0.0, 'O1': 0.5833333333333333, 'O2': 0.041666666666666664, 'T1': 0.0, 'T2': 0.0, 'N': 0.041666666666666664, 'B': 0.0, 'R': 0.0, 'D': 0.0, 'M': 0.0}, [0.3333333333333333, 0.3333333333333333, 0.3333333333333333]]
}

其通用结构为：

d1 = {
    A1: [n1, {B1: m1, B2: m2, ...}, [p1, q1, r1]],
    ...
}

需要生成一个DataFrame，要求：

• 以字典的顶层键（A类键）作为第一列（行标识）
• 以内部字典的键（B类键）作为列名
• 内部字典的对应值（m值）作为单元格内容

已知所有条目的B类键均一致，求符合Python风格的实现方式。

最符合Python风格的实现方式是利用字典推导式提取所需的内层字典，再结合pandas的from_dict方法快速生成DataFrame，步骤如下：

1. 提取每个顶层键对应的内层字典（即列表中的第二个元素，索引为1）：

import pandas as pd

# 提取目标数据：顶层键 -> 内层字典
filtered_data = {key: value[1] for key, value in data1.items()}

2. 生成DataFrame，并将顶层键设置为第一列：

# 从字典生成DataFrame，orient='index'表示用字典键作为行索引
df = pd.DataFrame.from_dict(filtered_data, orient='index')
# 将行索引转为第一列，并命名列名
df = df.reset_index().rename(columns={'index': 'A类键'})

代码说明 #

• 字典推导式{key: value[1] for key, value in data1.items()}简洁高效，直接过滤掉不需要的n值和[p,q,r]列表，只保留需要的内层字典数据，符合Python的简洁性原则。
• pd.DataFrame.from_dict(filtered_data, orient='index')直接将字典的键作为行索引，值作为行数据，自动对齐所有B类键作为列名。
• reset_index()将行索引转为普通列，rename方法给该列设置明确的名称，满足“顶层键作为第一列”的需求。

最终效果 #

生成的DataFrame结构如下（示例片段）：

内容的提问来源于stack exchange，提问作者user2751530