如何简化将键值对字符串转换为Pandas DataFrame的代码？

我从文件中获取了一组键值对格式的字符串，存储在my_list中：

my_list = ["col1: val1 
 col2: val2 
 col3:val3" , "col1: k11 
 col2: k12 
  col3:k13" ]

希望将其转换为如下结构的Pandas DataFrame：

当前通过嵌套列表推导式实现的代码可行，但复杂度较高、可读性不强：

import pandas as pd

my_list = ["col1: val1 
 col2: val2 
 col3:val3" , "col1: k11 
 col2: k12 
  col3:k13" ]

data = [[j.split(":")[1].strip() for j in my_list[i].split("\n")] for i in range(2)]

df = pd.DataFrame(data, columns=['col1','col2','col3']) 

print(df.head())

尝试过csv.CSVDictReader和io.StringIO均无法完成转换，现寻求更简洁的现有API来实现该转换需求。

可以先将每个字符串条目解析为键值对字典，再直接用Pandas构造DataFrame，这种方式可读性更强、更健壮：

方法1：分步字典构造（可读性优先） #

import pandas as pd

my_list = ["col1: val1 
 col2: val2 
 col3:val3" , "col1: k11 
 col2: k12 
  col3:k13" ]

dict_list = []
for item in my_list:
    row_dict = {}
    # 按换行分割每行，再拆分键值
    for line in item.split("\n"):
        # 只分割一次，避免值中包含冒号时出错
        key, value = line.split(":", 1)
        row_dict[key.strip()] = value.strip()
    dict_list.append(row_dict)

# 直接传入字典列表，自动用字典键作为列名
df = pd.DataFrame(dict_list)
print(df)

方法2：紧凑生成器写法（简洁优先） #

如果想要更紧凑的代码，可以用嵌套推导式实现：

import pandas as pd

my_list = ["col1: val1 
 col2: val2 
 col3:val3" , "col1: k11 
 col2: k12 
  col3:k13" ]

# 用生成器表达式+字典推导式批量转换
dict_list = [
    {k.strip(): v.strip() for k, v in (line.split(":", 1) for line in item.split("\n"))}
    for item in my_list
]

df = pd.DataFrame(dict_list)
print(df)

方法优势 #

• 无需手动指定列名，字典的键会自动映射为DataFrame的列，适配列顺序变化的场景
• 使用split(":", 1)只拆分一次，避免值中包含冒号时出现解析错误，比原代码更健壮
• 逻辑清晰，可读性远高于嵌套列表推导式

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