Pandas技术问题：将字典转DataFrame时仅显示列名如何解决

你构造的final字典结构是{account_id: 对应type的出现次数}，当你用pd.DataFrame(final, columns=['account_id','type'])创建DataFrame时，Pandas会默认把字典的键当作列名，但你指定的列名是account_id和type，和字典的键不匹配，因此没有数据填充。

方法1：将字典转成元组列表后构造DataFrame #

直接把字典的键值对转成(account_id, 次数)的元组列表，再传入DataFrame：

df_result = pd.DataFrame(final.items(), columns=['account_id', 'type'])

方法2：用from_dict指定索引方向 #

利用pd.DataFrame.from_dict的orient='index'参数，把字典的键当作行索引，再重置索引并修改列名：

df_result = pd.DataFrame.from_dict(final, orient='index', columns=['type'])
df_result = df_result.reset_index().rename(columns={'index': 'account_id'})

方法3：跳过字典，直接用分组聚合一步生成结果 #

手动循环字典效率较低，推荐直接通过Pandas的分组聚合操作完成需求，无需额外构造字典：

# 如果你需要的是每个account_id下type的最高出现次数
df_result = df.groupby('account_id')['type'].value_counts() \
              .groupby('account_id').first() \
              .reset_index(name='type')

# 如果你实际需求是获取每个account_id下出现次数最多的type类别（而非次数），修正原逻辑：
df_result = df.groupby('account_id')['type'].agg(lambda x: x.mode()[0]) \
              .reset_index(name='most_common_type')

内容的提问来源于stack exchange，提问作者QZhu