如何将完整字典存入Pandas DataFrame的单个单元格中？

报错原因 #

ValueError: Length of values (1) does not match length of index (2)
出现该错误的核心原因是你使用的df[0,'A']语法不符合pandas单个单元格的赋值规范：pandas会将方括号内的元组优先识别为多级列索引，而非「行索引+列索引」的组合，因此你传入的长度为1的列表会被尝试匹配长度为2的行索引，最终抛出长度不匹配的错误。
另外注意不要使用dict作为变量名，这是Python内置的字典构造函数关键字，会覆盖原有功能。

实现方案：将复杂字典存入单个单元格 #

单个单元格赋值 #

使用.at定位器实现单个单元格的任意类型数据赋值，代码如下：

import pandas as pd
import numpy as np

# 定义示例字典，避免使用dict作为变量名
sample_dict = {}
sample_dict['key1'] = np.array([[1, 2, 3], [4, 5, 6]])
sample_dict['key2'] = np.array([2])                     
sample_dict['key3'] = 'Mexico'

# 创建DataFrame
df = pd.DataFrame(index=['0','1'], columns=['A','B'])

# 给指定行的A列赋值字典
df.at['0', 'A'] = sample_dict
df.at['1', 'A'] = sample_dict.copy() # 新增copy避免所有行引用同一个字典对象

整列批量填充结构相似的字典 #

如果需要给整列填充相同/相似结构的字典，用列表推导式实现即可，避免引用复用问题：

# 整列填充相同结构的字典，每个行的字典是独立对象
df['A'] = [
    {
        'key1': np.random.randn(2,3), # 可根据业务替换为对应的值
        'key2': np.array([i]),
        'key3': 'Mexico'
    } 
    for i in range(len(df))
]

注意事项与方案建议 #

• 非标量（字典、numpy数组等）存入DataFrame后，pandas大部分内置的批量计算、筛选、分组方法都会失效，仅适合单纯做存储读取的场景。
• 如果需要持久化存储，有两种更稳定的方案：
  • 将字典序列化为JSON字符串存储，读取时再反序列化为字典，兼容性更强
  • 把需要高频查询的字段提取为独立列，剩余低频访问的字段合并为字典存储，兼顾查询效率和存储简洁
• 如果不需要用到pandas的表格处理能力，直接用Python内置的dict或者sqlite做小型数据库，会比在pandas里存非结构化数据更易用。

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