如何将嵌套字典列表扁平化为Pandas DataFrame？

现有由嵌套字典和列表组成的数据结构：

my_list = [
    {'a1':'1','b1':[{'c11':'2','d11':'3','e11':'4','f11':'5'},{'c12':'6','d12':'7','e12':'8','f12':'9'}],'g1':'10','h1':'11'},
    {'a2':'12','b2':[{'c21':'13','d21':'14','e21':'15','f21':'16'},{'c22':'17','d22':'18','e22':'19','f22':'20'}],'g2':'21','h2':'22'},
    # 更多同结构元素
]

需要将其扁平化为如下结构的Pandas DataFrame：

a1  c11  d11  e11  f11  c12  d12  e12  f12  g1  h1
0   1    2    3    4    5    6    7    8    9  10  11
1  12   13   14   15   16   17   18   19   20  21  22

尝试过json_normalize及相关示例但未成功，该如何实现转换？

直接用json_normalize失败的核心原因是每个字典的键名不统一（比如a1/a2、b1/b2），无法自动对齐列名。可以通过以下步骤处理：

步骤1：编写扁平化函数 #

遍历每个元素，展开嵌套列表，并统一列名（去除键名后的数字后缀）：

import pandas as pd

def flatten_dict(item):
    flat = {}
    for k, v in item.items():
        if isinstance(v, list):
            # 展开嵌套列表里的所有子字典，保留原始键名
            for sub in v:
                flat.update(sub)
        else:
            # 统一列名：去掉键名中的数字，比如a2→a1，g2→g1
            clean_key = ''.join([char for char in k if not char.isdigit()])
            flat[clean_key] = v
    return flat

步骤2：处理所有数据并转DataFrame #

# 对列表中每个元素做扁平化处理
flattened = [flatten_dict(i) for i in my_list]

# 转为DataFrame并调整列顺序匹配目标结构
df = pd.DataFrame(flattened)
target_columns = ['a1', 'c11', 'd11', 'e11', 'f11', 'c12', 'd12', 'e12', 'f12', 'g1', 'h1']
df = df[target_columns]

# 查看结果
print(df)

关键说明 #

• 针对嵌套列表（b1/b2这类键）：直接将列表内的子字典键值对合并到扁平字典中，保留子字典的原始键名（如c11、c12）；
• 针对普通键（a1/a2、g1/g2）：通过去除键名中的数字后缀，让不同元素的同类型数据对应同一列名；
• 如果你的键名规律不是数字后缀，只需修改clean_key的生成逻辑即可适配。

内容的提问来源于stack exchange，提问作者Srinivas