如何使用pd.concat处理嵌套字典生成多层列DataFrame？

错误原因分析 #

• 第一个语法错误：pd.concat参数中直接写key3:{...}不符合Python字典语法，正确的字典构造格式应为{key3: ...}
• ValueError：嵌套创建DataFrame时，内部层级的DataFrame因缺少明确索引触发报错，且这种嵌套构造方式会打乱列层级的逻辑结构
• TypeError：pd.concat仅支持拼接Series或DataFrame对象，传入字典会触发类型不兼容错误

正确实现方法 #

不需要复杂的嵌套循环和pd.concat嵌套调用，以下两种简单方式可直接实现目标：

方法1：pd.json_normalize+多层列转换 #

import pandas as pd

nested_dict = {
    'level1': {
        'level2': {
            'level3': {
                'level4': 'value'
            }
        }
    }
}

# 展开嵌套字典为单层列DataFrame
df = pd.json_normalize(nested_dict)
# 将点分隔的列名转换为多层索引
df.columns = pd.MultiIndex.from_tuples([tuple(col.split('.')) for col in df.columns])
print(df)

输出结果：

level1
  level2
  level3
  level4
0  value

方法2：直接构造多层列结构 #

import pandas as pd

nested_dict = {
    'level1': {
        'level2': {
            'level3': {
                'level4': 'value'
            }
        }
    }
}

# 提取所有层级键和最终值
keys = []
current_val = nested_dict
while isinstance(current_val, dict):
    key = next(iter(current_val.keys()))
    keys.append(key)
    current_val = current_val[key]

# 用多层索引构造目标DataFrame
df = pd.DataFrame([[current_val]], columns=pd.MultiIndex.from_tuples([keys]))
print(df)

输出结果与方法1完全一致。

基于pd.concat的修正思路（可选） #

如果坚持使用pd.concat的思路，需从最内层向外逐层构建列层级：

import pandas as pd

nested_dict = {
    'level1': {
        'level2': {
            'level3': {
                'level4': 'value'
            }
        }
    }
}

# 从最内层开始逐层拼接列层级
df_inner = pd.DataFrame({'level4': ['value']})
df_level3 = pd.concat({'level3': df_inner}, axis=1)
df_level2 = pd.concat({'level2': df_level3}, axis=1)
df_final = pd.concat({'level1': df_level2}, axis=1)
print(df_final)

该方式可实现目标，但相比前两种方法冗余度更高。

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