如何将LDAP查询结果转换为指定结构的Pandas DataFrame

Pandas没有专门针对ldapsearch返回结构的原生处理方法，但可以通过简单的逻辑转换得到你需要的结构化DataFrame，两种常用实现方案如下：

方案1：预处理原始LDAP查询结果（性能最优） #

拿到search_s返回的结果后，先对每条数据做结构转换，再生成DataFrame即可：

import pandas as pd

# 你的原有LDAP查询代码不变，得到ldapsearch结果后执行以下逻辑
processed_data = []
for dn, attr_dict in ldapsearch:
    row = {"dn": dn}
    # 遍历属性字典，取出每个属性列表的第一个元素（LDAP属性默认是多值返回列表）
    for attr_name, attr_value in attr_dict.items():
        # 兼容属性为空的场景，空值设为None
        row[attr_name] = attr_value[0] if attr_value else None
    processed_data.append(row)

# 直接生成目标格式的DataFrame
df = pd.DataFrame(processed_data)

方案2：基于已生成的0、1列DataFrame转换 #

如果已经通过pd.DataFrame(ldapData)生成了默认列名的DataFrame，可以直接展开属性列：

# 先给现有列重命名
dfLdap.columns = ["dn", "attr_dict"]
# 展开属性字典列，每个属性取列表第一个元素后和dn列合并
df = pd.concat([
    dfLdap["dn"],
    pd.json_normalize(dfLdap["attr_dict"]).applymap(lambda x: x[0] if x else None)
], axis=1)

注意事项 #

如果业务中存在多值的LDAP属性，可以调整取值逻辑，比如用','.join(attr_value)把多值拼接为字符串存储。

内容的提问来源于stack exchange，提问作者yodog