如何将迭代构建的嵌套字典转换为多级列DataFrame？

直接用pandas的json_normalize方法就能快速实现需求，步骤如下：

示例代码 #

先构造和你结构一致的嵌套字典（用示例数据替代省略号）：

import pandas as pd

# 匹配你结构的示例嵌套字典
d = {
    'usa': {
        'day': {'c1': 1, 'c2': 2, 'c3': 3},
        'night': {'c1': 4, 'c2': 5, 'c3': 6}
    },
    'jap': {
        'day': {'c1': 7, 'c2': 8, 'c3': 9},
        'night': {'c1': 10, 'c2': 11, 'c3': 12}
    },
    'chi': {
        'day': {'c1': 13, 'c2': 14, 'c3': 15},
        'night': {'c1': 16, 'c2': 17, 'c3': 18}
    }
}

执行转换操作：

# 解析嵌套字典，将层级键转为带分隔符的列名
df = pd.json_normalize(d)
# 将列名拆分为多级索引（第一级为day/night，第二级为c1/c2/c3）
df.columns = pd.MultiIndex.from_tuples([col.split('.') for col in df.columns])

# 查看最终结果
print(df)

输出结果 #

执行后会得到符合要求的多级列DataFrame：

day        night     
     c1  c2  c3    c1  c2  c3
usa   1   2   3     4   5   6
jap   7   8   9    10  11  12
chi  13  14  15    16  17  18

替代方法：手动构造多级列结构 #

如果不想用json_normalize，也可以调整字典结构让pandas自动识别多级列：

# 重构数据结构，让每个二级键对应所有一级键的数值
structured_data = {
    ('day', 'c1'): {k: v['day']['c1'] for k, v in d.items()},
    ('day', 'c2'): {k: v['day']['c2'] for k, v in d.items()},
    ('day', 'c3'): {k: v['day']['c3'] for k, v in d.items()},
    ('night', 'c1'): {k: v['night']['c1'] for k, v in d.items()},
    ('night', 'c2'): {k: v['night']['c2'] for k, v in d.items()},
    ('night', 'c3'): {k: v['night']['c3'] for k, v in d.items()}
}

df = pd.DataFrame(structured_data)

该方法也能生成完全一致的多级列DataFrame。

内容的提问来源于stack exchange，提问作者soo