嵌套列表与字典/Pandas DataFrame互转及数据更新后还原方案问询

Pandas实现方法 #

Pandas能轻松完成格式转换、数据处理和还原，还能自动维护表头顺序，适合中大规模数据或复杂操作：

1. 嵌套列表转DataFrame（带ID索引） #

import pandas as pd

# 原始嵌套列表
raw_data = [["ID", "Header1", "Header2"], [1, "a1", "a2"], [2, "b1", "b2"]]
# 生成DataFrame，将ID设为索引方便查找
df = pd.DataFrame(raw_data[1:], columns=raw_data[0]).set_index("ID")

2. 数据处理（新增/修改条目） #

# 新增ID=3的条目
df.loc[3] = ["c1", "c2"]
# 修改已有条目示例：df.loc[1, "Header1"] = "new_a1"

3. 还原为原表头顺序的嵌套列表 #

# 重置索引并转换为列表，再拼接表头
restored_data = [raw_data[0]] + df.reset_index().values.tolist()
# 输出结果：[["ID", "Header1", "Header2"], [1, "a1", "a2"], [2, "b1", "b2"], [3, "c1", "c2"]]

原生字典实现方法 #

无需额外依赖，代码轻量直观，适合小型数据或简单操作：

1. 嵌套列表转目标字典 #

raw_data = [["ID", "Header1", "Header2"], [1, "a1", "a2"], [2, "b1", "b2"]]
headers = raw_data[0]

# 构建以ID为键的字典
data_dict = {
    row[0]: {headers[i]: row[i] for i in range(1, len(headers))}
    for row in raw_data[1:]
}
# 输出结果：{1: {"Header1":"a1","Header2":"a2"}, 2: {"Header1":"b1","Header2":"b2"}}

2. 数据处理（新增/修改条目） #

# 新增ID=3的条目
data_dict[3] = {"Header1": "c1", "Header2": "c2"}
# 修改已有条目示例：data_dict[1]["Header1"] = "new_a1"

3. 还原为原表头顺序的嵌套列表 #

# 先保留原始表头，再按表头顺序拼接每一行
restored_data = [headers]
# 如需按ID排序，可改为for id_val in sorted(data_dict.keys())
for id_val in data_dict:
    row = [id_val] + [data_dict[id_val][header] for header in headers[1:]]
    restored_data.append(row)

方案选择建议 #

• 选Pandas：如果需要做筛选、统计、多表合并等复杂操作，或者数据量较大，Pandas的高效工具链能大幅减少代码量。
• 选字典：如果只是简单的增删改查，且不想引入第三方依赖，原生字典更轻便直接。

内容的提问来源于stack exchange，提问作者Dan Neal