如何将本地CSV/Excel内容转为硬编码Pandas DataFrame供Streamlit使用？

方案1：字典格式硬编码（最简洁，适合小体量数据） #

• 你先在本地环境读取一次原始CSV/Excel文件，得到初始DataFrame
• 执行 print(df.to_dict('list'))，控制台会输出和你数据完全对应的字典结构
• 把输出的字典复制到你的Streamlit代码中，直接用pd.DataFrame()加载即可

# 本地运行一次导出字典结构（运行一次即可，不需要放到最终的Streamlit代码里）
import pandas as pd
df = pd.read_csv("你的本地文件.csv")
print(df.to_dict("list"))

# 复制上面输出的字典，放到你的Streamlit代码里直接用
data = {
    "姓名": ["张三", "李四", "王五"],
    "年龄": [25, 30, 28],
    "部门": ["技术", "产品", "运营"]
}
df = pd.DataFrame(data)

方案2：CSV字符串格式硬编码（兼容原有读文件逻辑，适合结构复杂的数据） #

• 本地读取原始文件得到初始DataFrame后，执行print(df.to_csv(index=False))，控制台会输出完整的CSV格式文本
• 把输出的文本用三重引号包裹，存为字符串变量，配合io.StringIO直接用pd.read_csv()加载

import pandas as pd
import io

# 把本地导出的CSV内容直接硬编码为字符串
csv_content = """姓名,年龄,部门
张三,25,技术
李四,30,产品
王五,28,运营
"""
df = pd.read_csv(io.StringIO(csv_content))

注意事项 #

• 如果是Excel文件，本地读取后同样可以用上面两种方式导出成字典或CSV字符串，不需要额外处理
• 数据量超过1万行时不推荐硬编码，会让代码文件体积过大拖慢加载速度，这种场景可以将数据上传到云存储获取公共直链，直接用pd.read_csv(直链)加载即可

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