无需存储本地文件 用pd.read_csv读取列表变量生成pandas DataFrame

方案1：通过io.StringIO封装为缓冲对象（推荐） #

pd.read_csv()支持传入类文件缓冲对象，无需将数据落地到本地磁盘。你只需要将列表的所有元素用换行符拼接为完整字符串，再通过io.StringIO包装后直接传入读取即可，原有读取参数可以完全复用：

import pandas as pd
import io

test = ["Col1\tCol2\tCol3", "12\tInfo1\t34.1","15\tInfo4\t674.1"]
# 拼接列表为完整字符串、转成缓冲对象
buffer = io.StringIO('\n'.join(test))
# 直接读取，参数和读取本地csv文件完全一致
df = pd.read_csv(buffer, sep='\t', index_col=1)

该方案会保留pd.read_csv()自带的类型自动推断、异常处理等能力，不需要额外处理数据类型转换。

方案2：手动拆分列表直接构造 #

如果不想引入io模块，也可以直接对列表项按分隔符拆分后构造DataFrame：

test = ["Col1\tCol2\tCol3", "12\tInfo1\t34.1","15\tInfo4\t674.1"]
# 按制表符拆分每一行
split_rows = [line.split('\t') for line in test]
# 第一行作为表头，剩余行作为数据
df = pd.DataFrame(split_rows[1:], columns=split_rows[0]).set_index('Col2')
# 可选：手动转换数值列类型
df['Col1'] = df['Col1'].astype(int)
df['Col3'] = df['Col3'].astype(float)

内容的提问来源于stack exchange，提问作者Chris