如何将含嵌套DataFrame的字典列表转换为目标结构的DataFrame？

实现步骤 #

1. 遍历每个字典，提取year、month以及对应的weather DataFrame
2. 为每个weather DataFrame新增year和month列
3. 合并所有处理后的DataFrame为一个完整的结果

代码示例 #

import pandas as pd

# 替换成你的实际字典列表
weather_records = [
    {'year': 2010, 'month': 1, 'weather': pd.DataFrame({'temp': [10, 12], 'rainfall': [0, 5]})},
    {'year': 2010, 'month': 2, 'weather': pd.DataFrame({'temp': [15, 17], 'rainfall': [2, 0]})},
    {'year': 2011, 'month': 12, 'weather': pd.DataFrame({'temp': [8, 6], 'rainfall': [10, 3]})}
]

processed_frames = []
for record in weather_records:
    # 复制原DataFrame避免修改原始数据（无需保留原数据可省略copy()）
    df = record['weather'].copy()
    # 新增年月字段
    df['year'] = record['year']
    df['month'] = record['month']
    processed_frames.append(df)

# 合并所有DataFrame并重置索引
final_df = pd.concat(processed_frames, ignore_index=True)

# 可选：调整列顺序，把年月放在最前面
column_order = ['year', 'month'] + [col for col in final_df.columns if col not in ['year', 'month']]
final_df = final_df[column_order]

补充说明 #

• 若不同weather DataFrame的列名不一致，pd.concat()会自动为缺失列填充NaN
• ignore_index=True保证合并后的DataFrame索引连续无重复

内容的提问来源于stack exchange，提问作者Nacho Arévalo Evans