如何将含元组键的Python字典转换为Pandas DataFrame？

给定如下Python字典，键是由两个字符串组成的元组，值为整数：

mydic = { ('column1', 'index1'):33, 
          ('column1', 'index2'):34, 
          ('column2', 'index1'):35, 
          ('column2', 'index2'):36 }

需要将元组的第一个字符串作为DataFrame的列名，第二个作为行索引，得到如下结构的DataFrame：

完全不用手动遍历逐个构建，有两种简洁的Pandas方法可以快速实现：

方法1：利用Series多级索引+unstack #

Pandas的Series可以直接将元组键解析为多级索引，再通过unstack方法将指定层级转为列：

import pandas as pd

mydic = { ('column1', 'index1'):33, 
          ('column1', 'index2'):34, 
          ('column2', 'index1'):35, 
          ('column2', 'index2'):36 }

# 将字典转为带多级索引的Series
s = pd.Series(mydic)
# 将多级索引的第0层（元组第一个元素）转为列
df = s.unstack(level=0)

执行后df就是你需要的结构，unstack(level=0)指定把元组的第一个元素作为列，剩下的第二个元素自动成为行索引。

方法2：字典转列表+Pivot透视 #

先把字典的键值对拆分为包含列名、索引、值的三元组列表，再用pivot方法构建DataFrame：

import pandas as pd

mydic = { ('column1', 'index1'):33, 
          ('column1', 'index2'):34, 
          ('column2', 'index1'):35, 
          ('column2', 'index2'):36 }

# 拆分键值对为三元组列表
df_list = [(col, idx, val) for (col, idx), val in mydic.items()]
# 构建DataFrame并透视
df = pd.DataFrame(df_list, columns=['column', 'index', 'value']).pivot(
    index='index', 
    columns='column', 
    values='value'
)

这种方法逻辑更直观，适合理解数据结构转换的过程。

两种方法都避免了手动遍历，Pandas内置方法在处理大数据量时效率远高于手动循环。

内容的提问来源于stack exchange，提问作者Robert