将对象列表组成的字典转换为Pandas DataFrame的方法

我有一个以「字典-列表-对象-属性」层级存储的数据，具体结构如下：

data_dict = {
    '0': [TestObject(), TestObject(), TestObject(), TestObject(), TestObject()],
    '1': [TestObject(), TestObject(), TestObject(), TestObject(), TestObject()],
    '2': [TestObject(), TestObject(), TestObject(), TestObject(), TestObject()],
    '3': [TestObject(), TestObject(), TestObject(), TestObject(), TestObject()]
}

其中TestObject类定义为：

import random

class TestObject:
    def __init__(self):
        self.id = random.randint(1, 100)  # 补充randint参数避免运行报错
        self.date = random.randint(20200101, 20241231)
        self.size = random.randint(100, 1000)

我希望将其转换为指定格式的Pandas DataFrame，该格式需包含key（字典的键）、对象标识（列表中对象的索引）及对象的id、date、size属性。已知pandas.DataFrame.from_dict()方法，但需要提取列表中对象的属性来生成目标结构，请问该如何实现？

可以通过遍历字典的键和对应列表中的对象，提取所需属性并整理成结构化数据，再转换为DataFrame。以下是两种可行的实现方式：

方法一：嵌套遍历构建数据行 #

直接遍历字典的每个键，再遍历对应列表中的每个对象，将每个对象的信息整理为字典，最后生成DataFrame：

import pandas as pd
import random

class TestObject:
    def __init__(self):
        self.id = random.randint(1, 100)
        self.date = random.randint(20200101, 20241231)
        self.size = random.randint(100, 1000)

# 初始化数据字典
data_dict = {
    '0': [TestObject() for _ in range(5)],
    '1': [TestObject() for _ in range(5)],
    '2': [TestObject() for _ in range(5)],
    '3': [TestObject() for _ in range(5)]
}

# 构建结构化数据列表
rows = []
for key, obj_list in data_dict.items():
    for idx, obj in enumerate(obj_list):
        rows.append({
            'key': key,
            '对象标识': idx,
            'id': obj.id,
            'date': obj.date,
            'size': obj.size
        })

# 转换为DataFrame
df = pd.DataFrame(rows)
print(df.head())

方法二：列表推导式简化代码 #

用列表推导式替代嵌套循环，代码更简洁：

import pandas as pd
import random

class TestObject:
    def __init__(self):
        self.id = random.randint(1, 100)
        self.date = random.randint(20200101, 20241231)
        self.size = random.randint(100, 1000)

data_dict = {
    '0': [TestObject() for _ in range(5)],
    '1': [TestObject() for _ in range(5)],
    '2': [TestObject() for _ in range(5)],
    '3': [TestObject() for _ in range(5)]
}

# 列表推导式生成数据行
rows = [
    {
        'key': key,
        '对象标识': idx,
        'id': obj.id,
        'date': obj.date,
        'size': obj.size
    }
    for key, obj_list in data_dict.items()
    for idx, obj in enumerate(obj_list)
]

df = pd.DataFrame(rows)
print(df.head())

核心说明 #

• 两种方法逻辑一致：遍历字典的每个键（key），再遍历对应列表中的对象，用enumerate获取对象在列表中的索引作为对象标识，同时提取对象的三个属性。
• 原random.randint()调用缺少参数，已补充合理范围避免运行报错。
• 最终生成的DataFrame每行对应一个TestObject实例，完全匹配需求的字段结构。

内容的提问来源于stack exchange，提问作者user19678327