如何扁平化含列表与字典的Python嵌套字典并导出为电子表格？

我完全懂你遇到的痛点——这种嵌套层级不固定、字典和列表交叉混合的结构，用pd.io.json.json_normalize()加explode的组合，要么在数据量大的时候慢到离谱，要么遇到深层嵌套直接失效。我之前处理类似的多源数据时也踩过这个坑，给你分享一个专门解决这种场景的递归扁平化方案，亲测好用：

核心思路 #

递归遍历每个元素：

• 遇到字典：把当前层级的键作为父键，继续递归处理子字典的键值对；
• 遇到列表：遍历列表里的每一个元素，为每个元素生成独立的键（加上索引避免冲突），如果元素还是字典/列表就继续递归；
• 遇到普通值：直接把键值对存入结果。

这样最终得到的是一个完全扁平化的字典，所有层级的信息都通过下划线连接的键名保留，转成DataFrame后就能直接导出Excel或写入数据库。

实现代码 #

import pandas as pd

def flatten_nested(data, parent_key='', sep='_'):
    items = []
    for k, v in data.items():
        # 拼接当前层级的键名，用下划线区分父子层级
        new_key = f"{parent_key}{sep}{k}" if parent_key else k
        if isinstance(v, dict):
            # 递归处理子字典，把当前键作为父键传递下去
            items.extend(flatten_nested(v, new_key, sep).items())
        elif isinstance(v, list):
            # 遍历列表中的每个元素，逐个展开
            for idx, elem in enumerate(v):
                # 为列表元素添加索引后缀，避免同层级键名冲突
                list_item_key = f"{new_key}_{idx}"
                if isinstance(elem, (dict, list)):
                    # 列表元素仍是嵌套结构，继续递归
                    items.extend(flatten_nested(elem, list_item_key, sep).items())
                else:
                    # 列表元素是普通值，直接存入键值对
                    items.append((list_item_key, elem))
        else:
            # 普通键值对，直接存入
            items.append((new_key, v))
    return dict(items)

def nested_to_dataframe(data):
    # 兼容单个字典或字典列表的输入
    input_list = data if isinstance(data, list) else [data]
    # 批量扁平化所有元素
    flattened_records = [flatten_nested(item) for item in input_list]
    # 转成DataFrame，自动补全缺失列（用NaN填充）
    return pd.DataFrame(flattened_records)

# 测试你的示例数据
mydict = {'Carcompany': {'Brand': 'Ford', 'Factory': {'Country': 'Germany', 'Workers': {'Engineers': '150', 'Mechanics': '200'}, 'FactoryDetails': [{'FactoryCode': '1', 'FactoryCity': 'Cologne', 'FactoryCityDetail': [{'Shifts': 'Day', 'Days': '7'}, {'Shifts': 'Night', 'Days': '5'}]}, {'FactoryCode': '2', 'FactoryCity': 'Berlin', 'FactoryCityDetail': {'Shifts': 'Night', 'Days': '5'}}]}}}

# 生成DataFrame
flat_df = nested_to_dataframe(mydict)
# 查看结果
print(flat_df)
# 导出到Excel
flat_df.to_excel('flattened_car_data.xlsx', index=False)
# 如果要写入关系型数据库，可以用df.to_sql()方法，配合SQLAlchemy连接

关键优势 #

1. 适配任意嵌套深度：不管你的字典嵌套多少层，只要是字典和列表的混合结构，都能完整展开；
2. 速度更快：一次性递归展开所有层级，避免了explode多次循环带来的性能损耗；
3. 保留层级信息：键名用下划线拼接（比如Carcompany_Factory_FactoryDetails_0_FactoryCityDetail_0_Shifts），能清晰看到原始数据的层级关系；
4. 灵活兼容：支持单个字典或字典列表的输入，DataFrame会自动处理不同条目之间的列缺失。

可选优化 #

• 如果不需要列表元素的索引后缀，可以把list_item_key = f"{new_key}_{idx}"改成new_key，但注意这样会覆盖同键的列表元素，只保留最后一个；
• 可以在递归函数里添加过滤逻辑，跳过不需要展开的特定键；
• 如果键名太长，可以自定义分隔符（比如把sep='_'改成sep='.'）。

内容的提问来源于stack exchange，提问作者pscl