如何用Python将嵌套字典转换为指定格式的Pandas DataFrame？

问题说明 #

给定如下嵌套字典（注：原字典存在语法错误，已修正为合法格式）：

data = {
    'ItemA': {
        '2022-09': {'Qty': 0, 'Amount': 0, 'Cost': 0},
        '2022-08': {'Qty': 0, 'Amount': 0, 'Cost': 0}
    },
    'ItemB': {
        '2022-09': {'Qty': 5.0, 'Amount': 10, 'Cost': 5},
        '2022-08': {'Qty': 2.0, 'Amount': 8, 'Cost': 4}
    }
}

需要转换为如下结构的DataFrame：

解决方案 #

使用pd.json_normalize可以高效处理嵌套字典的扁平化，再通过简单的列名调整和索引重置得到目标结构：

import pandas as pd

# 修正后的原始数据
data = {
    'ItemA': {
        '2022-09': {'Qty': 0, 'Amount': 0, 'Cost': 0},
        '2022-08': {'Qty': 0, 'Amount': 0, 'Cost': 0}
    },
    'ItemB': {
        '2022-09': {'Qty': 5.0, 'Amount': 10, 'Cost': 5},
        '2022-08': {'Qty': 2.0, 'Amount': 8, 'Cost': 4}
    }
}

# 展开嵌套字典并转置，将顶层Item转为列
df = pd.json_normalize(data).T.reset_index()
# 自动调整列名格式，把默认的点分隔替换为空格
df.columns = ['Name'] + [col.replace('.', ' ') for col in pd.json_normalize(data).columns]

print(df)

代码解释 #

1. pd.json_normalize(data)：将多层嵌套字典展开为以顶层键（ItemA/ItemB）为索引、扁平化列名为表头的DataFrame。
2. .T：转置DataFrame，让顶层Item变为行数据，原来的统计项列转为行索引。
3. reset_index()：将行索引转为普通列，后续重命名为Name。
4. 列名调整：把默认的点分隔格式（如2022-09.Qty）替换为目标的空格分隔格式。

运行后即可得到符合要求的DataFrame结构。

内容的提问来源于stack exchange，提问作者ddd