如何将不规则字典列表匹配DataFrame行并合并为新DataFrame？

直接用pandas将字典列表转换成新的DataFrame，再和原DataFrame按行索引合并，最后把缺失值填充为0即可，完全适配大数据量场景：

import pandas as pd

# 原DataFrame
df = pd.DataFrame({
    'Name': ['John', 'Ken', 'Smith', 'Kate', 'Tom'],
    'City': ['NY', 'London', 'Boston', 'York', 'Paris'],
    'Age': [25, 32, 29, 21, 42]
})

# 字典列表
dict_list = [
    {'A': 15, 'B': 35, 'D': 10},
    {'C': 124, 'E': 36},
    {'A': 3, 'F': 10},
    {},
    {'B': 4, 'A': 8, 'C': 1}
]

# 转换字典列表为DataFrame，自动对齐所有键为列
dict_df = pd.DataFrame(dict_list)

# 按列合并两个DataFrame，填充缺失值为0
result_df = pd.concat([df, dict_df], axis=1).fillna(0)

# 可选：将字典生成的列转为整数类型（匹配示例输出格式）
result_df = result_df.astype({col: int for col in dict_df.columns})

print(result_df)

关键步骤说明 #

• pd.DataFrame(dict_list)：自动识别所有字典的键作为列名，缺失键的位置填充NaN，完美处理字典长度不一致、键不统一的问题
• pd.concat([df, dict_df], axis=1)：因为字典列表和原DataFrame行一一对应，索引完全匹配，合并时不会出现错位
• .fillna(0)：批量替换所有缺失值为0，无需手动处理空字典或缺失键的情况
• 类型转换步骤是为了让输出和示例完全一致，若允许浮点型可以省略

运行后输出结果与你期望的完全一致，且该方法是pandas原生向量操作，处理百万级数据也能保证效率。

内容的提问来源于stack exchange，提问作者hiro