如何从值为列表的字典创建保留列表结构的pandas DataFrame

pd.DataFrame.from_dict 默认会把字典值解析为对应列的逐行数值序列。你传入的每个值是长度为3的三维坐标数组，这种自动拆分行为是pandas为了适配常规“列存储多行同类型数据”的场景设计的，会自动把数组拆分为3行逐元素填充，最终生成的DataFrame仅3行，每个单元格存单个浮点数，和预期结构完全不符。
另外你写出的pose.to_csv("pose.csv"),index=False)存在括号位置错误，会直接触发语法报错。

方案1：实现单元格存储完整三维数组的需求 #

给每个坐标数组外层套一层单元素列表，明确告知pandas“对应列仅包含1行数据，行内容就是传入的完整数组”，从根源上避免数组被自动拆分：

import pandas as pd
import numpy as np

# 构造符合存储要求的DataFrame
pose_df = pd.DataFrame({keypoint: [coords] for keypoint, coords in pose.items()})

结构验证：

# 取出对应关键点的完整坐标，符合预期
print(pose_df["p1_center_head"].iloc[0])
# 输出：[-0.91411722 -1.11261988  1.70305252]

修正语法错误后直接保存即可：

pose_df.to_csv("pose.csv", index=False)

CSV为纯文本格式，写入时三维数组会自动转为带空格的字符串存入对应单元格，不会被拆分为独立列。如果需要将CSV读回为带数组结构的DataFrame，加载时增加字符串转数组的处理逻辑：

def convert_to_array(text):
    # 去掉字符串两侧的方括号，按空白分割为浮点数数组
    return np.array(text.strip("[]").split(), dtype=np.float64)

# 读回时自动转换列类型
pose_loaded = pd.read_csv(
    "pose.csv",
    converters={col: convert_to_array for col in pose_df.columns}
)

方案2：适配数据分析场景的扁平化存储 #

如果不需要严格在单元格内存完整数组，可将三维坐标拆分为独立列，这种结构更适合后续的批量计算、筛选操作：

# 以关键点名称为行索引，三维坐标拆为x/y/z三列
pose_df_flat = pd.DataFrame.from_dict(
    pose,
    orient="index",
    columns=["x", "y", "z"]
)
pose_df_flat.to_csv("pose_flat.csv", index_label="keypoint_name")

两种方案的差异：

• 方案1完全匹配你提出的“单元格存储完整浮点数列表”的需求
• 方案2的CSV结构更通用，后续数据分析效率更高

内容的提问来源于stack exchange，提问作者Kong。