如何将多字典数组转换为指定格式的Pandas DataFrame？

你的原始数据是包含多组键值映射的字典列表，直接转成DataFrame会导致每个字典占一行、缺失键填充NaN，这也是dropna()和head()达不到预期的原因。要实现每行显示一个键值对的格式，需要先拆分每个字典的键值对，再重组为DataFrame。

代码实现 #

带分组标识（区分不同字典的来源） #

如果需要明确每个键值对属于哪一组（比如第一组是工作类型、第二组是婚姻状态），可以添加分组列：

import pandas as pd

# 你的原始数据
data = [{'Federal-gov': 0, 'Local-gov': 1, 'Never-worked': 2},
        {'Divorced': 0, 'Married-AF-spouse': 1, 'Married-civ-spouse': 2, 
         'Married-spouse-absent': 3, 'Never-married': 4, 'Separated': 5, 'Widowed': 6}]

rows = []
# 遍历每个字典，拆分键值对并添加分组标识
group_names = ["工作类型", "婚姻状态"]  # 自定义分组名称，更直观
for group, d in zip(group_names, data):
    for category, code in d.items():
        rows.append({"分组": group, "类别": category, "编码": code})

# 生成最终DataFrame
result_df = pd.DataFrame(rows)
print(result_df)

不带分组标识 #

如果不需要区分来源，直接提取所有键值对即可：

import pandas as pd

data = [{'Federal-gov': 0, 'Local-gov': 1, 'Never-worked': 2},
        {'Divorced': 0, 'Married-AF-spouse': 1, 'Married-civ-spouse': 2, 
         'Married-spouse-absent': 3, 'Never-married': 4, 'Separated': 5, 'Widowed': 6}]

rows = []
for d in data:
    for category, code in d.items():
        rows.append({"类别": category, "编码": code})

result_df = pd.DataFrame(rows)
print(result_df)

输出示例（带分组） #

分组                类别  编码
0  工作类型        Federal-gov   0
1  工作类型          Local-gov   1
2  工作类型       Never-worked   2
3  婚姻状态            Divorced   0
4  婚姻状态   Married-AF-spouse   1
5  婚姻状态  Married-civ-spouse   2
6  婚姻状态  Married-spouse-absent   3
7  婚姻状态       Never-married   4
8  婚姻状态           Separated   5
9  婚姻状态             Widowed   6

内容的提问来源于stack exchange，提问作者user8672267