pandas from_dict使用orient='index'行为不一致，属于Bug吗？

背景复现 #

你提供的两段代码核心差异为内层字典的键数量：

1. 可正常运行的data1场景代码：

import pandas as pd 

data1 = {
    2010 : {'width': 0.1, 'height' : 0.6},
    2011 : {'width': 0.2, 'height' : 0.7},
    2012 : {'width': 0.3, 'height' : 0.8},
    '2010-2012' : {'width': 0.2, 'height' : 0.7}
}

pd.DataFrame.from_dict(data1, orient = 'index')

2. 触发TypeError的data2场景代码：

data2 = {
    2010 : {'width': 0.1},
    2011 : {'width': 0.2},
    2012 : {'width': 0.3},
    '2010-2012' : {'width': 0.2}
}

pd.DataFrame.from_dict(data2, orient = 'index')

报错栈信息为：

~/.local/lib/python3.8/site-packages/pandas/core/indexes/api.py in union_indexes(indexes, sort)
    184         result = indexes[0]
    185         if isinstance(result, list):
--> 186             result = Index(sorted(result))
    187         return result
    188 

TypeError: '<' not supported between instances of 'str' and 'int'

根本原因 #

这个差异是pandas 1.5.0版本的内部实现逻辑导致的：

• 当使用orient='index'调用from_dict时，如果内层字典存在多个不同键（如data1有width、height两个键），pandas会先遍历所有内层字典完成列合并，此过程中外层字典的键（行索引）直接按传入顺序构造，不会触发排序逻辑，因此混合int和str类型的索引不会出现比较报错。
• 如果所有内层字典的键完全一致且只有一个（如data2所有内层都只有width一个键），pandas会走优化处理路径，直接批量转换值为二维数组，此过程中构造行索引时会默认对索引值执行排序操作，int类型的年份和str类型的2010-2012无法比较大小，因此触发TypeError。

其他规避方案 #

除了你使用的转置方法外，也可以选择统一外层键的类型避免排序报错：

# 把所有外层键转为字符串类型后再构造DataFrame
data2_str_keys = {str(k): v for k, v in data2.items()}
pd.DataFrame.from_dict(data2_str_keys, orient='index')

内容的提问来源于stack exchange，提问作者the.real.gruycho