如何将含嵌套字典的列结构转换为正常的Polars DataFrame？

这个问题我之前也碰到过，本质是Polars默认会把内层字典识别成单个struct类型元素，而不是对应多行的序列。咱们可以用两种简单的方式解决：

方法1：将每个嵌套字典转为Series后拼接 #

这是最直接的处理方式，遍历外层字典的每个键值对，把内层字典转换成Polars的Series，再组合成DataFrame：

import polars as pl

d = {'col1': {'0':'A','1':'B','2':'C'}, 'col2': {'0':1,'1':2,'2':3}}

# 遍历列名和对应的嵌套字典，转为Series后构建DataFrame
df = pl.DataFrame({col_name: pl.Series(col_data) for col_name, col_data in d.items()})
print(df)

执行后就能得到你想要的正常DataFrame：

shape: (3, 2)
┌──────┬──────┐
│ col1 ┆ col2 │
│ ---  ┆ ---  │
│ str  ┆ i64  │
╞══════╪══════╡
│ A    ┆ 1    │
│ B    ┆ 2    │
│ C    ┆ 3    │
└──────┴──────┘

方法2：重构字典结构后用orient='index'转换 #

如果想换一种思路，可以先把原字典重构为以索引为键、列名-值为内层的结构，再用from_dict的orient='index'参数生成DataFrame：

import polars as pl

d = {'col1': {'0':'A','1':'B','2':'C'}, 'col2': {'0':1,'1':2,'2':3}}

# 重构字典：键是原索引，值是各列对应的元素
indexed_dict = {
    idx: {col: d[col][idx] for col in d} 
    for idx in d['col1']  # 假设所有列的索引一致
}

# 用orient='index'按索引行来构建DataFrame
df = pl.DataFrame.from_dict(indexed_dict, orient='index')
print(df)

这个方法也能得到完全一样的结果，适合需要先处理索引逻辑的场景。

为什么原方法不行？ #

Polars的pl.DataFrame(d)或pl.from_dict(d)默认会把每个内层字典当作单个结构化数据（也就是struct类型），所以最终每列只会有一个包含所有值的struct元素，而不是展开成多行。通过显式转换为Series，我们相当于告诉Polars：这个内层字典是一列的多个行值，需要对应到不同的行。

备注：内容来源于stack exchange，提问作者Ghost