pandas中是否有Series版set_index？concat构建DataFrame优化问询

方法一：直接从字典列表构造DataFrame（推荐） #

这是最规范高效的方式，无需绕弯使用Series和concat，直接收集处理好的字典，一次性生成DataFrame并设置索引：

import pandas as pd

_collection = []
for some_data in data_source:
    _entry = parse_data(some_data)
    # 在这里完成_entry的数值调整，比如：
    # _entry["Bonus"] = _entry["Base Salary"] * 0.15
    _collection.append(_entry)

# 直接构造DataFrame并设置Work ID为索引
df = pd.DataFrame(_collection).set_index("Work ID")

方法二：保留Series+concat的逻辑（如果必须用Series） #

如果一定要用Series拼接的方式，可以避免pop()修改原始字典，直接用Series的"Work ID"值作为索引标签：

import pandas as pd

_collection = []
for some_data in data_source:
    _entry = parse_data(some_data)
    # 调整_entry的数值
    s = pd.Series(_entry)
    # 将Series转为以Work ID为索引的单行DataFrame后加入列表
    _collection.append(pd.DataFrame(s).T.set_index("Work ID"))

df = pd.concat(_collection)

为什么这两种方法更规范？ #

1. 方法一规避了pop()这种临时修改原始数据的操作，逻辑更清晰；同时直接构造DataFrame的性能比多次拼接Series更高，数据量大时优势更明显。
2. 避免了你之前尝试的T.set_index().T这种冗余转置操作，一步到位完成索引设置。
3. 完整保留了对_entry进行数值调整的步骤，符合你暂不考虑列表推导式的需求。

内容的提问来源于stack exchange，提问作者djohoe28