如何将任意深度嵌套字典转换为指定格式的Pandas DataFrame？

针对你遇到的嵌套字典转DataFrame时无法追踪前序键、json.normalize生成带点列名的问题，核心思路是递归遍历字典时完整记录每条路径上的列名和对应值，最终将所有路径整理成结构化的行记录，再转换为DataFrame。

实现步骤 #

1. 编写递归函数，遍历嵌套字典时维护当前路径的列值对（current_record）；
2. 遇到子字典时，将当前列名和取值加入记录，继续递归处理子结构；
3. 遇到非字典的最终值时，将完整记录存入结果列表；
4. 将结果列表直接转换为DataFrame，自动补全缺失列的NaN。

完整代码 #

import pandas as pd

# 初始化结果记录列表
records = []

def flatten_nested_dict(d, current_record=None):
    if current_record is None:
        current_record = {}
    # 遍历当前层级的列名与对应数据
    for col_name, col_data in d.items():
        if isinstance(col_data, dict):
            # 若当前列数据是字典，说明是下一级列的取值集合
            for col_value, sub_struct in col_data.items():
                # 复制当前记录，避免递归时修改原数据
                new_record = current_record.copy()
                new_record[col_name] = col_value
                # 递归处理子结构
                flatten_nested_dict(sub_struct, new_record)
        else:
            # 若当前列数据是非字典，说明是最终值，保存完整记录
            final_record = current_record.copy()
            final_record[col_name] = col_data
            records.append(final_record)

# 处理你的嵌套字典示例
test = {
    'column-gender': {
        'male': {
            'column-country' : {
                'FRENCH': {
                    'column-class': [0,1]
                },
                ('SPAIN','ITALY') : {
                    'column-married' : {
                        'YES': {
                            'column-class' : [0,1]
                        },
                        'NO' : {
                            'column-class' : 2
                        }
                    }
                }
            }
        },
        'female': {
            'column-country' : {
                ('FRENCH', 'SPAIN') : {
                    'column-class' : [[1,2],'#']
                },
                'REST-OF-VALUES': {
                    'column-married' : '*'
                }
            }
        }
    }
}

flatten_nested_dict(test)
# 转换为DataFrame并调整列顺序（可选）
df = pd.DataFrame(records)
df = df[['column-gender', 'column-country', 'column-married', 'column-class']]

print(df)

输出结果 #

column-gender   column-country column-married column-class
0          male            FRENCH            NaN      [0, 1]
1          male    (SPAIN, ITALY)            YES      [0, 1]
2          male    (SPAIN, ITALY)             NO            2
3        female  (FRENCH, SPAIN)            NaN  [[1, 2], #]
4        female  REST-OF-VALUES              *          NaN

关键说明 #

• 递归函数通过current_record传递当前路径的所有列值对，完美解决了前序键追踪的问题；
• 自动处理元组键、列表/字符串/数字等多种类型的最终值；
• 生成的DataFrame列名直接对应原字典中的column-xxx，不会出现json.normalize的点连接列名问题；
• 缺失的列会自动填充NaN，保证数据结构的一致性。

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