如何从含分隔列名与值的字符串列表创建DataFrame？

现有字符串列表如下，每个元素是空格分隔的键:值对，需要将其转换为DataFrame，列表中每个字符串对应DataFrame的一行，缺失的字段用NaN填充：

data = ['col1:abc col2:def col3:ghi',
        'col4:123 col2:qwe col10:xyz',
        'col3:asd']

预期输出的DataFrame为：

import pandas as pd
import numpy as np

desired_out = pd.DataFrame({'col1':  ['abc',  np.nan, np.nan],
                            'col2':  ['def',  'qwe',  np.nan],
                            'col3':  ['ghi',  np.nan, 'asd'],
                            'col4':  [np.nan, '123',  np.nan],
                            'col10': [np.nan, 'xyz',  np.nan]})

预期表格样式：

方法1：字典列表转DataFrame #

逐个解析每个字符串为字典，再直接传入pd.DataFrame，缺失的键会自动填充NaN，逻辑简单直观：

import pandas as pd
import numpy as np

data = ['col1:abc col2:def col3:ghi',
        'col4:123 col2:qwe col10:xyz',
        'col3:asd']

# 解析每个字符串为字典
row_dicts = []
for line in data:
    pairs = line.split()
    current_dict = {}
    for pair in pairs:
        key, value = pair.split(':')
        current_dict[key] = value
    row_dicts.append(current_dict)

# 生成DataFrame
result_df = pd.DataFrame(row_dicts)
print(result_df)

方法2：利用pandas字符串操作+透视表 #

通过拆分、展开、透视的链式操作实现，适合用pandas原生API处理的场景：

import pandas as pd
import numpy as np

data = ['col1:abc col2:def col3:ghi',
        'col4:123 col2:qwe col10:xyz',
        'col3:asd']

# 构造带索引的Series，拆分每行的键值对并展开
series = pd.Series(data)
temp_df = series.str.split(expand=False).explode()

# 拆分键和值，添加行索引标记
temp_df = temp_df.str.split(':', expand=True).rename(columns={0: 'column', 1: 'value'})
temp_df['row_idx'] = temp_df.groupby(level=0).ngroup()

# 透视得到目标格式
result_df = temp_df.pivot(index='row_idx', columns='column', values='value').reset_index(drop=True)
print(result_df)

两种方法最终都会生成符合预期的DataFrame，可根据数据集大小和个人习惯选择。

内容的提问来源于stack exchange，提问作者deanpwr