如何将含列表的嵌套字典转换为Pandas DataFrame？

给定如下嵌套字典，需要将其转换为Pandas DataFrame，要求每个action_type作为列，对应的value作为行值，缺失的action_type对应行填充N/A：

test = {'data': [
  {'actions': [
    {'action_type': 'link_click', 'value': '16'},
    {'action_type': 'post_engagement', 'value': '16'},
    {'action_type': 'page_engagement', 'value': '16'}],
   'spend': '13.59',
   'date_start': '2023-02-07',
   'date_stop': '2023-02-07'},
  {'actions': [
    {'action_type': 'comment', 'value': '5'},
    {'action_type': 'onsite_conversion.post_save', 'value': '1'},
    {'action_type': 'link_click', 'value': '465'},
    {'action_type': 'post', 'value': '1'},
    {'action_type': 'post_reaction', 'value': '20'},
    {'action_type': 'video_view', 'value': '4462'},
    {'action_type': 'post_engagement', 'value': '4954'},
    {'action_type': 'page_engagement', 'value': '4954'}],
   'spend': '214.71',
   'date_start': '2023-02-07',
   'date_stop': '2023-02-07'}]}

处理步骤与代码 #

核心思路是先把每个数据项里的actions列表转换成字典，再和其他字段合并，最后利用Pandas自动补全缺失列：

import pandas as pd

# 遍历处理每个数据条目
processed_items = []
for entry in test['data']:
    # 将actions列表转成{action_type: value}的键值对
    action_map = {act['action_type']: act['value'] for act in entry['actions']}
    # 合并当前条目的其他字段（spend、日期）和action_map
    combined = {**entry, **action_map}
    # 删除原有的actions字段，避免冗余
    del combined['actions']
    processed_items.append(combined)

# 转换为DataFrame，缺失的列自动填充NaN（即N/A）
result_df = pd.DataFrame(processed_items)

# 可选优化：将数值类字段转为合适的数据类型
result_df['spend'] = result_df['spend'].astype(float)
# 遍历所有action类型的列，转为数值型
for col in result_df.columns.drop(['spend', 'date_start', 'date_stop']):
    result_df[col] = result_df[col].astype(float)

# 查看结果
print(result_df)

结果说明 #

转换后的DataFrame会包含所有出现过的action_type作为列，比如第一条数据没有的comment、video_view等列会自动填充NaN；同时完整保留原有的spend、date_start、date_stop字段。

内容的提问来源于stack exchange，提问作者griefter