如何从嵌套字典列表生成指定格式的Pandas DataFrame？

方法1：用pd.json_normalize()直接展开嵌套字段 #

这是处理嵌套字典最省心的方式，Pandas内置的json_normalize专门用来解析这类嵌套结构：

import pandas as pd

# 示例嵌套字典列表（替换成你的真实数据）
dict_items = [
    {"user_id": 101, "profile": {"name": "张三", "email": "zhangsan@example.com", "age": 28}},
    {"user_id": 102, "profile": {"name": "李四", "email": "lisi@example.com", "age": 32}}
]

# 一键展开嵌套字段
df = pd.json_normalize(dict_items)
# 可选：去除列名里的嵌套前缀（比如把profile.name改成name）
df.columns = df.columns.str.replace("profile.", "")
print(df)

输出会是你期望的扁平化表格：

方法2：手动遍历构造扁平化列表 #

如果需要更灵活的字段控制（比如跳过某些嵌套字段、修改字段值），可以手动循环处理：

import pandas as pd

dict_items = [
    {"user_id": 101, "profile": {"name": "张三", "email": "zhangsan@example.com", "age": 28}},
    {"user_id": 102, "profile": {"name": "李四", "email": "lisi@example.com", "age": 32}}
]

# 把每个嵌套字典拆成扁平结构
flat_data = []
for item in dict_items:
    # 合并外层字典和内层嵌套字典，同时移除原嵌套字段
    flat_dict = {**item, **item.pop("profile")}
    flat_data.append(flat_dict)

df = pd.DataFrame(flat_data)
print(df)

为什么直接用pd.DataFrame()不行？ #

直接传入嵌套字典列表时，Pandas会把嵌套的字典当作单个列的取值，而不会自动解析展开。比如你会得到user_id和profile两列，profile列里存的是完整的字典对象，这和你要的扁平化列结构完全不符。

内容的提问来源于stack exchange，提问作者dustydee