如何优化将字典key转为DataFrame元素的现有可运行代码

你当前的循环拼接方案性能较差，尤其当字典规模较大时，反复调用pd.concat会产生大量不必要的内存开销。可以直接使用pandas内置的DataFrame.from_dict方法实现相同需求，全程无手动循环，代码更简洁性能也更高：

import pandas as pd

thisdict = {
  "A": {'v1':'3','v2':5},
  "B": {'v1':'77','v2':99},
  "ZZ": {'v1':'311','v2':152}
}

# 输出和你原有代码完全一致
output = pd.DataFrame.from_dict(thisdict, orient='index').rename_axis(index='id')

# 如果需要把id从索引转为普通列，加一行reset_index即可
# output = output.reset_index()

方案优势 #

• 性能提升明显：底层是pandas基于C实现的内置逻辑，比手动循环拼接的效率高1~2个数量级，数据量越大优势越突出
• 鲁棒性更强：如果不同key对应的内层字典存在键差异，会自动填充NaN值，不需要额外做兼容处理
• 代码简洁易读：省去了手动构造子DataFrame、透视、拼接的冗余步骤，可维护性更高

内容的提问来源于stack exchange，提问作者Harry