如何将含字典的Pandas Series转换为指定结构的DataFrame

最简实现方法 #

直接使用pd.DataFrame()传入你的Series即可，Pandas会自动识别每个字典的键作为列名，对应的值作为各行数据：

import pandas as pd

# 假设你的Series变量名为sn
df = pd.DataFrame(sn)

如果Series中的元素是字符串形式的字典（而非实际Python字典对象），需要先解析为字典：

import ast
# 先将字符串字典转换为Python字典对象
sn_parsed = sn.apply(ast.literal_eval)
df = pd.DataFrame(sn_parsed)

为什么你之前的方法无效 #

1. 你尝试的pd.DataFrame(data=sn_sites['sn'], index=cols)逻辑错误：
   这个写法会把整个Series作为单一列的数据，同时将cols设置为行索引，完全偏离了目标结构。
2. 循环赋值的问题：
   循环中df['column1'] = value['key1']会每次覆盖整列的值，最终只会保留最后一次循环的value['key1']，无法生成完整的列数据。

另一种等价实现 #

使用apply(pd.Series)也可以将每个字典元素展开为一行，生成目标DataFrame：

df = sn.apply(pd.Series)

生成后的DataFrame可以直接和其他DataFrame进行列组合操作。

内容的提问来源于stack exchange，提问作者brunofl