如何从字典列表构建指定结构的pandas DataFrame

你不需要逐字典调用pd.DataFrame.from_dict()后再拼接，直接用pandas原生的列表入参构造方式即可，代码更简洁，执行效率也更高。

核心代码 #

import pandas as pd
from typing import List, Dict
from decimal import Decimal

# 输入示例
input_data: List[Dict[Decimal, Decimal]] = [
    {0: 0.05, 0.5: 0.15, 1: 0.1}, 
    {0: 0.06, 0.5: 0.14, 1: 0.2}, 
    {0: 0.09, 0.5: 0.25, 1: 0.17}
]

# 一步构造并调整为目标结构
df = pd.DataFrame(input_data).T
df.columns = [f"Dict {i+1}" for i in range(len(input_data))]
df.index.name = "Index"

运行后输出的结果完全匹配预期格式：

Dict 1  Dict 2  Dict 3
Index                        
0.0      0.05    0.06    0.09
0.5      0.15    0.14    0.25
1.0      0.10    0.20    0.17

方案优势 #

• 代码量更少：无需编写循环，无需多次创建DataFrame对象、调用pd.concat做拼接，核心逻辑仅3行
• 执行效率更高：pandas内部对列表类入参做了向量化优化，避免了循环生成小对象、多次内存拷贝的额外开销，当n、m数值较大时，性能优势会非常明显

适配说明 #

• 该方案完全适配你提到的所有字典键固定一致的场景
• 如果存在个别字典缺键的情况，pandas会自动将缺失位置填充为NaN，可按需追加fillna逻辑处理
• 如果需要统一数值类型为浮点型，构造时传入dtype=float参数即可：pd.DataFrame(input_data, dtype=float).T

内容的提问来源于stack exchange，提问作者Asier Garcia Ruiz