如何从列表嵌套元组嵌套字典的结构创建Pandas DataFrame？

核心处理思路 #

先解析cutoff_list里的嵌套元组，提取出其中的字典数据；如果元组包含额外字段（比如检索相似度分数、唯一标识），可以把这些字段合并到字典中，再直接用Pandas转换为DataFrame。

代码示例 #

假设你的cutoff_list结构是列表嵌套元组，元组包含[相似度分数, 数据字典]（这是检索接口返回结果的常见结构），处理代码如下：

import pandas as pd

# 解析嵌套结构，提取数据并合并额外字段
processed_data = []
for item in cutoff_list:
    # 拆分元组中的分数和字典数据
    similarity_score, data_dict = item
    # 将分数添加到字典，方便统一转换
    data_dict["similarity_score"] = similarity_score
    processed_data.append(data_dict)

# 转换为Pandas DataFrame
df = pd.DataFrame(processed_data)

适配不同结构的调整 #

如果你的元组结构不一样（比如元组里是[唯一标识, 数据字典]），只需修改元组拆分的逻辑即可：

processed_data = []
for item in cutoff_list:
    # 根据实际元组结构调整拆分逻辑
    item_id, data_dict = item
    data_dict["item_id"] = item_id
    processed_data.append(data_dict)

df = pd.DataFrame(processed_data)

注意事项 #

• 若所有字典的键完全一致，转换后的DataFrame会自动对齐所有列；
• 若字典存在键不一致的情况，Pandas会自动为缺失的键填充NaN。

内容的提问来源于stack exchange，提问作者tombombadil