如何将单元格转换为DataFrame？并将指定字典转为单行带表头DataFrame

一、直接将给定字典转为单行DataFrame #

直接借助pandas的DataFrame构造方法，把字典包裹在列表里传入，就能生成以字典键为表头的单行DataFrame：

import pandas as pd

# 定义目标字典
profile_dict = {
    'symbol': 'AAPL', 
    'price': 150.72, 
    'beta': 1.246644, 
    'volAvg': 89576498, 
    'mktCap': 2397668846469, 
    'lastDiv': 0.91, 
    'range': '129.04-182.94', 
    'changes': 1.93, 
    'companyName': 'Apple Inc.', 
    'currency': 'USD', 
    'cik': '0000320193', 
    'isin': 'US0378331005', 
    'cusip': '037833100',
    'isFund': False
}

# 转换为单行DataFrame
single_row_df = pd.DataFrame([profile_dict])
print(single_row_df)

运行后会得到一行数据，表头就是字典里的symbol、price等字段。

二、处理现有DataFrame单元格中的字典 #

如果该字典已经存在于某个DataFrame的profile列单元格中，可按以下方式处理：

1. 提取单元格字典生成新的单行DataFrame #

假设df是包含profile列的DataFrame，取对应单元格的字典后转换：

# 提取第一行profile单元格的字典内容（根据实际行索引调整）
cell_dict = df['profile'].iloc[0]

# 转换为单行DataFrame
result_df = pd.DataFrame([cell_dict])

2. 将字典字段展开到原DataFrame中 #

如果想把字典的键值对直接作为新列合并到原DataFrame，用pd.json_normalize()更高效：

# 展开profile列的字典为独立列
expanded_cols = pd.json_normalize(df['profile'])

# 合并到原DataFrame（移除原profile列）
final_df = pd.concat([df.drop('profile', axis=1), expanded_cols], axis=1)

内容的提问来源于stack exchange，提问作者jjpfoot