求助：如何将包含嵌套列表的字典转换为指定结构的Pandas DataFrame

我来帮你搞定这个问题！你当前的代码只处理了字典里的第一个键值对，所以才只得到了length相关的数据，完全没包含weight。我们可以通过拆分每个指标的DataFrame再合并的方式，轻松得到你想要的目标结构。

解决方案代码 #

import pandas as pd

data = {'length': [[1633345896441, 101.25], [1633348822964, 101.67], [1633353200096, 102.32]], 
        'weight' : [[1633345896441, 7.09], [1633348822964, 7.44], [1633353200096, 7.51]]}

# 1. 遍历字典，将每个指标的嵌套列表转为带日期列的DataFrame
df_collection = []
for metric, values in data.items():
    temp_df = pd.DataFrame(values, columns=['date', metric])
    df_collection.append(temp_df)

# 2. 按日期列合并所有指标的DataFrame
merged_df = pd.merge(df_collection[0], df_collection[1], on='date')

# 3. 重置索引，匹配目标结构
final_df = merged_df.reset_index(drop=False)

print(final_df)

代码说明 #

• 步骤1：遍历字典里的每个指标（length和weight），把对应的嵌套列表转换成单独的DataFrame，每列命名为date和对应指标的名字。这样每个小DataFrame都能关联日期和对应数值。
• 步骤2：用pd.merge按date列合并两个小DataFrame，这样相同日期的length和weight就会被放在同一行。因为你的数据里日期完全匹配，用默认的内连接就没问题。
• 步骤3：通过reset_index添加index列，让最终结果和你想要的结构完全一致。

运行结果 #

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