如何从长度不均的字典创建Pandas DataFrame？求类似R tidyr::fill的方法

当然有！针对你提出的需求——将字典中所有短列重复自身内容至最长列的长度，我们可以用几种简洁的方式实现，效果类似R里tidyr::fill的填充逻辑，甚至更直接。

方法一：直接计算长度并重复元素 #

这是最直观的方式，先找到最长列的长度，再将每个短列的内容重复到该长度：

import pandas as pd

# 你的原始字典
d = {"a": [1], "b": 2, "c": [[7, 8, 9], ["a", "b", "c"], [9, 10, 11]], "d": None}

# 第一步：计算所有列的最大长度
def get_column_length(value):
    # 如果是列表，取列表长度；否则视为长度1的元素
    return len(value) if isinstance(value, list) else 1

max_length = max(get_column_length(v) for v in d.values())

# 第二步：处理每个列，将内容重复到最大长度
processed_dict = {}
for key, val in d.items():
    if isinstance(val, list):
        # 列表类型：直接重复整个列表到目标长度
        processed_dict[key] = val * max_length
    else:
        # 非列表类型：包装成列表后重复
        processed_dict[key] = [val] * max_length

# 生成目标DataFrame
df = pd.DataFrame(processed_dict)

运行后得到的df就是你想要的结果：

a  b                c     d
0  [1]  2  [7, 8, 9]     None
1  [1]  2  ['a', 'b', 'c']  None
2  [1]  2  [9, 10, 11]     None

方法二：先补NA再向前填充（更贴近R tidyr::fill逻辑） #

如果你更习惯R中先构造含NA的数据集再填充的思路，也可以用Pandas的ffill()方法实现：

import pandas as pd
import numpy as np

d = {"a": [1], "b": 2, "c": [[7, 8, 9], ["a", "b", "c"], [9, 10, 11]], "d": None}

max_length = max(len(v) if isinstance(v, list) else 1 for v in d.values())

# 先构造每个列的列表，短列用NA补全长度
temp_data = {}
for key, val in d.items():
    if isinstance(val, list):
        temp_list = val.copy()
        # 补NA到最大长度
        temp_list += [np.nan] * (max_length - len(temp_list))
    else:
        temp_list = [val] + [np.nan] * (max_length - 1)
    temp_data[key] = temp_list

# 用ffill()向前填充NA，实现重复效果
df = pd.DataFrame(temp_data).ffill()

这种方法的逻辑和R的tidyr::fill完全一致：先让所有列长度统一（短列补NA），再将非NA值向下填充覆盖NA位置。

注意事项 #

• 对于列表类型的元素，第一种方法会直接重复整个列表作为元素，更符合你的需求；
• 如果你的数据中包含复杂类型（比如嵌套列表），第二种方法要注意np.nan的类型兼容问题，不过大多数情况下两种方法都能正常工作。

内容的提问来源于stack exchange，提问作者tom c