遍历SharePoint返回的多个字典并将数据转换保存为DataFrame

首先sp.get_items()返回的结果本身就是符合pandas输入要求的行字典列表，你可以直接生成DataFrame，也可以先过滤冗余元数据后生成更干净的业务数据表。

完整实现代码 #

import pandas as pd

def demo_list():
    print("**************\nList ...\n")
    items_dict = sp.get_items()

    # ===== 方案1：直接生成全字段DataFrame（保留所有系统元数据+业务字段）
    # df = pd.DataFrame(items_dict)
    # 可打印列名查看所有字段，按需筛选
    # print(df.columns.tolist())

    # ===== 方案2：清洗后生成仅含业务字段的DataFrame（更推荐）
    # 1. 定义你需要保留的业务字段，可根据实际需求调整
    need_cols = [
        'Id', 'Title', 'Modified', 'Created', 
        'Owner_x0020_Name', 'Application', 
        'Attribute', 'Total_x0020_User_x0020_Count'
    ]
    processed_rows = []
    for item in items_dict:
        # 2. 仅提取需要的字段，自动补全缺失字段为None
        row = {col: item.get(col) for col in need_cols}
        # 3. 替换SharePoint字段编码_x0020_（原义是空格）为下划线，提升可读性
        row = {k.replace('_x0020_', '_'): v for k, v in row.items()}
        processed_rows.append(row)
    # 4. 生成DataFrame
    df = pd.DataFrame(processed_rows)
    # 5. 可选：调整数值字段类型
    df['Total_User_Count'] = pd.to_numeric(df['Total_User_Count'], errors='coerce')

    return df

说明要点 #

• 原始返回数据中带__metadata、__deferred的字段都是SharePoint系统元数据，无业务需求可直接过滤
• 字段名中的_x0020_是SharePoint对空格的编码，替换后更便于后续数据处理
• 数值类字段默认可能返回字符串格式，可通过pd.to_numeric转换为数值类型，方便后续统计计算

内容的提问来源于stack exchange，提问作者aditya