如何将深度不均的嵌套字典转换为指定格式的pandas DataFrame

首先导入pandas库：

import pandas as pd

你的原始嵌套字典：

data = {'x': 1, 'y': 2, 'z':{'a': 3, 'b': 4}, 'w': {'a': 5, 'b': 6}}

最优实现方案 #

最优方式优先用pandas内置的pd.json_normalize方法，这是官方专门为扁平化嵌套JSON/字典结构设计的API，内部做了性能优化，比手动遍历效率高，适配性也更强。

场景1：需要单层列名的宽表

直接调用即可：

df = pd.json_normalize(data)

输出结果如下，嵌套的键会默认用.拼接列名：

如果要自定义分隔符，比如用下划线，加sep参数即可：

df = pd.json_normalize(data, sep='_')

场景2：需要最外层键为行索引、二级键为列的表结构

如果你的目标结构是把x、y、z、w作为行索引，a、b为列，x和y的单值单独存储，只需加简单的预处理：

processed = []
for k, v in data.items():
    row = v if isinstance(v, dict) else {'single_val': v}
    row['outer_key'] = k
    processed.append(row)
df = pd.DataFrame(processed).set_index('outer_key')

输出结果：

这个方案代码简洁易读，性能足够应对绝大多数日常场景。

内容的提问来源于stack exchange，提问作者rivu