Python：将字典转换为DataFrame并保留字典键为单独列

刚好碰到过类似的需求，给你几个简便的实现方法，都是pandas里常用的技巧，能快速得到你想要的结果：

方法1：使用pd.melt（最直观易理解） #

先把字典转成常规的宽表DataFrame，再用melt来做“逆透视”转换，完美匹配你的需求：

import pandas as pd

example_d = {'R1':[1,2,3,4],'R2':[5,6,7,8],'R3':[10,10,10,10]}

# 第一步：转成常规宽表
df = pd.DataFrame(example_d)
# 第二步：用melt拆解，指定列名并调整顺序
result = df.melt(var_name='R_value', value_name='value')
# 可选：按R_value排序并重置索引，和你示例的顺序一致
result = result.sort_values('R_value').reset_index(drop=True)

print(result)

melt的作用就是把原来的列名（R1/R2/R3）放到var_name指定的R_value列，把每列里的所有值拆成单独的行，放到value列，完全符合你的要求。

方法2：使用from_dict+stack（一步到位更高效） #

这种方法不用先转宽表，直接从字典一步生成目标结构：

import pandas as pd

example_d = {'R1':[1,2,3,4],'R2':[5,6,7,8],'R3':[10,10,10,10]}

result = (pd.DataFrame.from_dict(example_d, orient='index')
          .stack()  # 把列层级拆成行
          .reset_index()  # 把索引转成列
          .rename(columns={'level_0':'R_value', 0:'value'})  # 重命名列
          .drop('level_1', axis=1)  # 删掉多余的中间索引列
          .sort_values('R_value').reset_index(drop=True))

print(result)

orient='index'会把字典的键作为行索引，值列表作为列；stack()则会把每一行的多个值拆成单独的行记录，最后整理列名就搞定了。

方法3：列表推导式构造数据（适合小规模数据） #

如果你的字典数据量不大，也可以先手动构造出目标格式的列表，再转成DataFrame，代码更简洁：

import pandas as pd

example_d = {'R1':[1,2,3,4],'R2':[5,6,7,8],'R3':[10,10,10,10]}

# 用列表推导式遍历每个键和对应的值列表，生成(value, R_value)的元组
data = [(val, key) for key, vals in example_d.items() for val in vals]
# 直接转成DataFrame并调整顺序
result = pd.DataFrame(data, columns=['value', 'R_value']).sort_values('R_value').reset_index(drop=True)

print(result)

这种方法逻辑最直白，新手也能一眼看懂，就是把每个值和它所属的键一一配对，再转成表格。

这三种方法都能得到你想要的结果，根据自己的习惯和数据规模选就行～

内容的提问来源于stack exchange，提问作者Jael