如何将嵌套字典结构转换为指定格式的Pandas DataFrame

我想将如下结构的字典转换为Pandas DataFrame：

{'123': [ {'feature_1':'a1','feature_2':'b1',...},{'feature_1':'a2','feature_2':'b2',...},...,{'feature_1':'an','feature_2':'bn'} ],... }

我当前的尝试代码如下：

df = pd.DataFrame.from_dict({(key, lis_index, sub_key): data[key][lis_index][sub_key] for key in data.keys() for lis_index in range(len(data[key])) for sub_key in data[key][lis_index].keys()}, orient='index')

其中data为目标字典，但转换后得到两列：一列是三元组索引，另一列是值列。我需要转换为如下格式的DataFrame：

不需要用这么复杂的字典推导式，更简洁高效的做法是遍历字典的键值对，将每个列表内的字典转为DataFrame并添加key列，最后合并所有结果：

import pandas as pd

dfs = []
for key, items in data.items():
    # 将当前key对应的字典列表转为DataFrame
    temp_df = pd.DataFrame(items)
    # 添加key列，值为当前字典的键
    temp_df['key'] = key
    dfs.append(temp_df)

# 合并所有临时DataFrame并重置索引
final_df = pd.concat(dfs, ignore_index=True)
# 调整列顺序，把key列移到最前面
final_df = final_df[['key'] + [col for col in final_df.columns if col != 'key']]

代码说明 #

1. 遍历字典的每个键（如'123'）及其对应的字典列表；
2. 直接将列表转为DataFrame，自动生成feature_1、feature_2等列；
3. 为临时DataFrame新增key列，统一填充当前遍历的字典键；
4. 收集所有临时DataFrame后，用pd.concat合并为一个完整的DataFrame；
5. 调整列顺序，让key列处于最前方，匹配需求格式。

这种方法逻辑直观，代码易读，不会生成多余的索引列，运行效率也更高。

内容的提问来源于stack exchange，提问作者stamoyo