如何将同键多值字典转换为指定结构的Pandas DataFrame

问题背景 #

你有多个键完全相同的字典，分别存储职位的职责、示例头衔、主要工作内容等信息，需要将它们合并成以职位为行、各字典值为列的DataFrame，目标结构如下：

原代码问题 #

你之前的from_records用法错误，因为from_records需要的是记录列表（每个元素是一行数据），而你传入的是多个字典（每个字典是一列数据），所以无法得到预期结构。

正确实现代码 #

基础版（直接合并） #

import pandas as pd

# 假设你的字典变量名分别为：dict_job_role（职位职责）、dict_example_titles（示例头衔）、dict_main_duties（主要工作内容）
# 先将每个字典转为Series，索引为职位名称
s_role = pd.Series(dict_job_role, name='Job Role')
s_titles = pd.Series(dict_example_titles, name='Example Titles')
s_duties = pd.Series(dict_main_duties, name='Main Duties')
# 如果还有其他字典（employment_requirements等），同理转为Series

# 按列合并所有Series
df = pd.concat([s_role, s_titles, s_duties], axis=1)
# 将索引转为单独的Job Position列
df.reset_index(inplace=True)
df.rename(columns={'index': 'Job Position'}, inplace=True)

print(df)

优化版（清理冗余换行/空元素） #

原字典中的示例头衔和主要工作内容包含大量空字符串和换行，可提前过滤：

import pandas as pd

# 定义清理函数：过滤列表中的空字符串和纯换行元素
def clean_list(lst):
    return [item.strip() for item in lst if item.strip()]

# 清理每个字典的值
cleaned_role = {k: v for k, v in dict_job_role.items()}  # 职责列表无需清理
cleaned_titles = {k: clean_list(v) for k, v in dict_example_titles.items()}
cleaned_duties = {k: clean_list(v) for k, v in dict_main_duties.items()}

# 转为Series并合并
s_role = pd.Series(cleaned_role, name='Job Role')
s_titles = pd.Series(cleaned_titles, name='Example Titles')
s_duties = pd.Series(cleaned_duties, name='Main Duties')

df = pd.concat([s_role, s_titles, s_duties], axis=1).reset_index().rename(columns={'index': 'Job Position'})

print(df)

代码说明 #

1. 字典转Series：每个字典的键会自动成为Series的索引（即职位名称），值对应列的内容，同时给Series指定列名方便后续合并。
2. concat合并：axis=1表示按列合并，确保相同职位的信息对齐。
3. 重置索引：把原来的职位索引转为单独的Job Position列，符合目标表格结构。
4. 清理数据：clean_list函数过滤掉列表中的空字符串和纯换行，让最终表格的数据更整洁。

内容的提问来源于stack exchange，提问作者gmohor21