如何高效从含嵌套结构的字典创建Pandas DataFrame？

刚好处理过类似的场景，给你几个简洁高效的解决方案，完全不用逐个手动处理每个字典条目，适配不同的需求场景：

如果你希望把列表、元组、字典这类嵌套结构完整保留为DataFrame的单个单元格，最简便的方式是先把字典转成pd.Series，再转成DataFrame——这样Pandas会自动把每个嵌套值当成单个元素，不会触发广播拆分：

import pandas as pd

# 示例输入字典
my_dict = {
    "user_ids": [101, 102, 103],
    "tags": ("python", "pandas", "data-processing"),
    "profile": {"name": "Alice", "age": 30}
}

# 一行代码完成转换，保留所有嵌套结构
df = pd.Series(my_dict).to_frame(name="raw_values")
print(df)

输出结果会是一个2列的DataFrame，raw_values列的每个单元格就是原始的列表、元组或字典，完全没有被拆分。

如果需要把嵌套的内容拆解开（比如把嵌套字典展开为多列，把列表拆成多行），可以用pd.json_normalize结合explode来实现，全程自动处理：

情况A：展开嵌套字典为多列 #

# 把原始字典包装成单元素列表，适配json_normalize的输入格式
data = [my_dict]

# 自动展开嵌套字典，列表/元组会保留为单元格
df_flat_dict = pd.json_normalize(data)
print(df_flat_dict)

这里profile字段会被拆成profile.name和profile.age两列，而列表、元组仍保持为单个单元格。

情况B：把列表/元组拆成单独行 #

如果要把列表/元组的每个元素拆成独立行，可以在基础转换后加上explode：

# 先转成Series保留结构，再拆分列表/元组
df_flat_list = pd.Series(my_dict).to_frame(name="values").explode("values", ignore_index=True)
print(df_flat_list)

这样每个列表/元组里的元素都会成为单独的一行，字典则完整保留。

如果只是需要把嵌套结构转成字符串（比如用于展示、存储或避免后续处理的麻烦），直接用apply(str)即可，一行代码搞定：

df_str = pd.Series(my_dict).apply(str).to_frame(name="stringified_values")
print(df_str)

所有列表、元组、字典都会被转成对应的字符串形式，比如[101, 102, 103]、('python', 'pandas', 'data-processing')。

内容的提问来源于stack exchange，提问作者Zhang18