Pandas如何从字典列表创建DataFrame并动态对齐月度item数据

实现逻辑 #

核心是将每个月份的条目与数值映射为以条目名为索引的序列，再按索引做全外连接拼接，条目不存在的月份自动填充NaN，新增月份无需修改核心处理代码，可自动适配。

完整实现代码 #

import pandas as pd

# 原始数据集，后续新增月份直接按相同结构往列表追加字典即可
collection = [{'item': ['Policy Master 1-2022-2023-P0003 - 5 Days - Plan 3', 'Policy Master 2-2022-2023-P0009 - 5 Days - Plan 3', 'Policy Master 3-2022-2023-P0012 - 5 Days - Plan 3', 'Policy Master 1-2022-2023-P0003 - 5 Days - Plan 2', 'Policy Master 2-2022-2023-P0009 - 5 Days - Plan 2'], 'Mar': [2800.0, 600.0, 600.0, 1000.0, 200.0]}, {'item': ['Policy Master 1-2022-2023-P0003 - 5 Days - Plan 3', 'Policy Master 2-2022-2023-P0009 - 5 Days - Plan 3', 'Policy Master 3-2022-2023-P0012 - 5 Days - Plan 3', 'Policy Master 1-2022-2023-P0003 - 5 Days - Plan 2'], 'Jun': [2800.0, 600.0, 600.0, 1000.0]}]

series_container = []
for block in collection:
    items = block['item']
    # 自动识别当前块内所有月份字段，兼容单块存多个月份数据的场景
    for month, values in block.items():
        if month == 'item':
            continue
        series_container.append(pd.Series(values, index=items, name=month))

# 按条目名拼接所有月份数据，匹配不上的位置自动填充NaN
result = pd.concat(series_container, axis=1)
# 可选：将索引转为普通数据列，适配常规表格导出/展示需求
result = result.reset_index().rename(columns={'index': 'item'})

效果说明 #

• 处理后Policy Master 2-2022-2023-P0009 - 5 Days - Plan 2条目在Jun列会自动显示为NaN，完全符合匹配规则
• 新增月份数据时，只要保持和现有数据相同的字典结构追加到collection列表即可，不需要调整核心处理逻辑，自动适配所有新增月份
• 如需将NaN替换为其他占位值（比如0），追加一行result = result.fillna(0)即可按需调整

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