如何使用pandas将时间步长字典转换为浮点型DataFrame

前置准备 #

首先确保你已经导入pandas库，符合你描述的示例字典结构如下：

import pandas as pd

time_step_dict = {
    0: ["1.1", "2.2", "3.3"],
    1: ["4.4", "5.5", "6.6"],
    2: ["7.7", "8.8", "9.9"]
}

最简实现（所有字符串均为合法数值格式时使用） #

直接创建DataFrame后批量转换类型，字典的键会默认作为DataFrame的列名：

df = pd.DataFrame(time_step_dict).astype(float)

如果需要将时间步作为行索引，补充转置操作即可：

df = pd.DataFrame(time_step_dict).astype(float).T
# 可选：给索引设置名称
df.index.name = "time_steps"

带异常兼容的实现（存在不规范字符串值时使用） #

如果不确定所有字符串都能正常转成float，可以用pd.to_numeric做兼容处理，无效值会自动转成NaN，不会中断运行：

# errors='coerce'表示把无法转换为float的字符串转为空值NaN
df = pd.DataFrame(time_step_dict).apply(pd.to_numeric, errors='coerce')

说明 #

• 两种实现都默认适配你提到的「所有时间步对应列表长度完全一致」的前提，不需要额外做长度对齐操作
• 对性能有要求的场景优先选astype(float)，执行效率比逐列应用pd.to_numeric更高

内容的提问来源于stack exchange，提问作者ikadorus