如何将Python字典转换为带独立索引列的Pandas DataFrame

我有如下Python字典：

d = {'2022-12-21 20:00:00': {'1. open': '135.5900',
                             '2. high': '135.7300',
                             '3. low': '135.5900',
                             '4. close': '135.6700',
                             '5. volume': '18031'},
     '2022-12-21 19:45:00': {'1. open': '135.5700',
                             '2. high': '135.6000',
                             '3. low': '135.5500',
                             '4. close': '135.5700',
                             '5. volume': '4253'}}

想要转换为结构如下的Pandas DataFrame（时间戳为独立列，保留默认整数索引）：

|timestamp           |open |high |low  |close|volume 
1 |2022-12-21 20:00:00 | 135 |135  | 135 | 135 |18031
2 |2022-12-21 19:45:00 | 134 | 112 | 123 | 231 |24124

我尝试用df = pd.DataFrame.from_dict(d, orient='index')实现，但转换后时间戳成了索引列，请问该如何解决？

方法1：利用reset_index()转换索引为列 #

先按你的方法创建DataFrame，再通过reset_index()把原索引（时间戳）转为普通列，同时重命名列名、清理原始列的名称：

import pandas as pd

d = {'2022-12-21 20:00:00': {'1. open': '135.5900',
                             '2. high': '135.7300',
                             '3. low': '135.5900',
                             '4. close': '135.6700',
                             '5. volume': '18031'},
     '2022-12-21 19:45:00': {'1. open': '135.5700',
                             '2. high': '135.6000',
                             '3. low': '135.5500',
                             '4. close': '135.5700',
                             '5. volume': '4253'}}

# 初始转换
df = pd.DataFrame.from_dict(d, orient='index')
# 将索引转为列，并重命名为timestamp
df = df.reset_index().rename(columns={'index': 'timestamp'})
# 清理列名：去掉数字和点号
df.columns = [col.split('. ')[-1] if '. ' in col else col for col in df.columns]
# 转换数值列类型（原始值是字符串）
numeric_cols = ['open', 'high', 'low', 'close', 'volume']
df[numeric_cols] = df[numeric_cols].apply(pd.to_numeric)
# 默认已保留整数索引，无需额外处理
print(df)

执行后输出的DataFrame符合需求：

timestamp    open    high     low   close  volume
0  2022-12-21 20:00:00  135.59  135.73  135.59  135.67   18031
1  2022-12-21 19:45:00  135.57  135.60  135.55  135.57    4253

方法2：提前整理数据结构再创建DataFrame #

直接把字典转换成列表形式的记录，再传入pd.DataFrame()，这种方式更直接：

import pandas as pd

d = {'2022-12-21 20:00:00': {'1. open': '135.5900',
                             '2. high': '135.7300',
                             '3. low': '135.5900',
                             '4. close': '135.6700',
                             '5. volume': '18031'},
     '2022-12-21 19:45:00': {'1. open': '135.5700',
                             '2. high': '135.6000',
                             '3. low': '135.5500',
                             '4. close': '135.5700',
                             '5. volume': '4253'}}

# 整理成列表记录
records = []
for timestamp, data in d.items():
    record = {'timestamp': timestamp}
    # 遍历子字典，清理键名
    for key, value in data.items():
        clean_key = key.split('. ')[-1]
        record[clean_key] = value
    records.append(record)

# 创建DataFrame并转换数值类型
df = pd.DataFrame(records)
numeric_cols = ['open', 'high', 'low', 'close', 'volume']
df[numeric_cols] = df[numeric_cols].apply(pd.to_numeric)
print(df)

这个方法得到的结果和方法1一致，且不需要处理索引转换的步骤。

内容的提问来源于stack exchange，提问作者Spartex