如何将含16个变量的嵌套字典转换为Pandas DataFrame？

问题背景 #

现有包含data（含多字段字典的列表）和summary（汇总统计字典）的嵌套字典，需转换为指定样式的Pandas DataFrame，原代码df = pd.DataFrame(dict.values())无法满足需求。

完整实现代码 #

import pandas as pd

# 替换为你的原始字典变量
raw_dict = {'data': [{'direction_color': 'greenFont',
   'rowDate': 'Apr 18, 2023',
   'rowDateRaw': 1681776000,
   'rowDateTimestamp': '2023-04-18T00:00:00Z',
   'last_close': '1,268.550',
   'last_open': '1,268.550',
   'last_max': '1,268.550',
   'last_min': '1,268.550',
   'volume': '',
   'volumeRaw': 0,
   'change_precent': '0.32',
   'last_closeRaw': '1268.55004882812500',
   'last_openRaw': '1268.55004882812500',
   'last_maxRaw': '1268.55004882812500',
   'last_minRaw': '1268.55004882812500',
   'change_precentRaw': 0.32187685232202745},
  {'direction_color': 'greenFont',
   'rowDate': 'Apr 17, 2023',
   'rowDateRaw': 1681689600,
   'rowDateTimestamp': '2023-04-17T00:00:00Z',
   'last_close': '1,264.480',
   'last_open': '1,264.480',
   'last_max': '1,264.480',
   'last_min': '1,264.480',
   'volume': '',
   'volumeRaw': 0,
   'change_precent': '1.03',
   'last_closeRaw': '1264.47998046875000',
   'last_openRaw': '1264.47998046875000',
   'last_maxRaw': '1264.47998046875000',
   'last_minRaw': '1264.47998046875000',
   'change_precentRaw': 1.0274672346024991}],
 'summary': {'last_highest': '1,268.550',
  'last_lowest': '1,264.480',
  'last_difference': '4.070',
  'last_avarage_total': '1,266.515',
  'last_change_percent': '1.353'}}

# 1. 从data列表生成基础DataFrame
df = pd.DataFrame(raw_dict['data'])

# 2. 筛选目标列并设置中文列名
df = df[['rowDate', 'last_open', 'last_max', 'last_min', 'last_close', 'change_precent']]
df.columns = ['日期', '开盘价', '最高价', '最低价', '收盘价', '涨跌幅(%)']

# 3. 清理数值格式，转换为数值类型
numeric_cols = ['开盘价', '最高价', '最低价', '收盘价']
df[numeric_cols] = df[numeric_cols].apply(lambda col: col.str.replace(',', '').astype(float))
df['涨跌幅(%)'] = df['涨跌幅(%)'].astype(float)

# 4. 创建汇总行并合并到主表
summary_row = pd.DataFrame([{
    '日期': '汇总',
    '开盘价': '-',
    '最高价': float(raw_dict['summary']['last_highest'].replace(',', '')),
    '最低价': float(raw_dict['summary']['last_lowest'].replace(',', '')),
    '收盘价': '-',
    '涨跌幅(%)': float(raw_dict['summary']['last_change_percent'])
}])

final_df = pd.concat([df, summary_row], ignore_index=True)

# 输出结果
print(final_df)

代码说明 #

1. 提取核心数据：直接用字典的data列表生成DataFrame，这是目标表格的主体数据。
2. 列筛选与重命名：保留需要的字段，设置直观的中文列名匹配需求样式。
3. 数值格式处理：移除数值中的千分位逗号，转换为浮点型，确保数据可正常计算或展示。
4. 添加汇总行：从summary字段提取汇总数据，构建单独的DataFrame后合并到主表底部，完成最终样式。

原代码问题分析 #

pd.DataFrame(dict.values())会将data和summary作为两行数据，把每个子字段作为列，完全不符合目标表格的结构，因此需要拆分处理核心数据与汇总数据。

内容的提问来源于stack exchange，提问作者Sebby