Python：将嵌套字典列表转为DataFrame，求更优实现方法

需求说明 #

将嵌套字典列表转换为以键为列名、对应Value值为行数据的DataFrame。

示例数据 #

l = [
  {
   "Items": {
      "a": {
       "Value": 10          
      },
      "b": {
       "Value": 20          
      },
      "c": {
       "Value": 30          
      }
   }
 },
 {
   "Items": {
      "a": {
       "Value": 100          
      },
      "b": {
       "Value": 200          
      },
      "c": {
       "Value": 300          
      }
   }
 },
 {
   "Items": {
      "a": {
       "Value": 1000          
      },
      "b": {
       "Value": 2000          
      },
      "c": {
       "Value": 3000          
      }
   }
 }
]

期望结果 #

| a    | b    | c    |
|------|------|------|
| 10   | 20   | 30   |
| 100  | 200  | 300  |
| 1000 | 2000 | 3000 |

原代码问题 #

你提供的代码存在变量k未定义的问题，会直接抛出运行异常；同时手动循环构建结果字典的写法繁琐，可读性和效率都有待提升。

优化实现方式 #

方式一：列表推导式扁平化字典后转DataFrame #

先将每个嵌套结构转换为扁平的键值对字典，再直接传入pd.DataFrame()，写法直观简洁：

import pandas as pd

# 扁平化每个条目：提取Items中的键和对应Value值
flat_records = [{key: item["Value"] for key, item in entry["Items"].items()} for entry in l]
df = pd.DataFrame(flat_records)

方式二：使用pd.json_normalize解析嵌套结构 #

利用pandas内置的json_normalize工具专门处理嵌套字典结构，代码更简洁高效：

import pandas as pd

# 解析嵌套结构，并重命名列去掉".Value"后缀
df = pd.json_normalize(l, record_path=["Items"]).rename(columns=lambda col: col.split(".")[0])

两种方式都能快速生成目标格式的DataFrame，避免了手动循环的冗余代码，可读性和执行效率更优。

内容的提问来源于stack exchange，提问作者arpymastro