求助：如何将字典转换为DataFrame？期望与实际输出不符

我来给你梳理几种字典转DataFrame时容易踩的坑和对应的解决办法，都是日常处理数据时高频碰到的场景：

1. 嵌套字典导致列/行结构混乱 #

如果你的字典是嵌套结构（比如值是子字典或多层列表），直接用pd.DataFrame()大概率会得到和预期不符的结果。比如：

# 示例嵌套字典
my_dict = {"基本信息": {"姓名": "张三", "年龄": 25}, "成绩": ["数学", 90, "英语", 85]}
# 直接转换会把嵌套内容塞进单列，完全不是想要的表格结构
df = pd.DataFrame(my_dict)

解决办法：

• 针对子字典嵌套的情况，用from_dict指定orient='index'后转置：

df = pd.DataFrame.from_dict(my_dict, orient='index').T

• 多层嵌套的复杂结构，直接用json_normalize扁平化处理：

from pandas import json_normalize
df = json_normalize(my_dict)

2. 期望键为行、值为列，但转换后完全颠倒 #

比如你想让字典的每个键对应一行数据，但直接转换后键变成了列名。示例：

my_dict = {"学生1": {"语文": 88, "数学": 92}, "学生2": {"语文": 79, "数学": 85}}
# 直接转换后列名是"学生1""学生2"，和期望的行是学生、列是科目完全相反

解决办法：
用orient='index'参数转换，还能重置索引把原键变成单独列：

df = pd.DataFrame.from_dict(my_dict, orient='index')
# 把原字典的键转为"学生姓名"列
df = df.reset_index().rename(columns={'index': '学生姓名'})

3. 字典内列表长度不一致导致报错/缺失值 #

如果字典里的列表长度参差不齐，直接转换要么报错，要么自动填充NaN，但这可能不是你想要的结果。示例：

my_dict = {"A": [1,2], "B": [3,4,5], "C": [6]}

解决办法：

• 想截断到最短列表的长度：

min_len = min(len(v) for v in my_dict.values())
df = pd.DataFrame({k: v[:min_len] for k, v in my_dict.items()})

• 想填充缺失值到最长列表的长度：

max_len = max(len(v) for v in my_dict.values())
df = pd.DataFrame({k: v + [None]*(max_len - len(v)) for k, v in my_dict.items()})

4. 列顺序和预期不符 #

有时候你希望列按特定顺序排列，但默认转换是按字典的插入顺序（Python3.7+）或随机顺序（旧版本）。
解决办法：
转换后手动指定列顺序：

# 按你想要的顺序重新排列列
df = pd.DataFrame(my_dict)[["数学", "语文", "英语"]]

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