如何将嵌套列表格式数据与独立列名列表转换为Pandas DataFrame

算力阿峰

2026-4-14

嗨，我完全懂你现在的困惑——明明数据和列名都摆在这儿，用Pandas的常规方法却要么格式全乱，要么弹出让人摸不着头脑的报错，那种"list indices must be integers or slices, not str"的提示确实让人头大，我来给你拆解清楚问题，再给你最直接的解决方案。

首先先帮你搞懂那个报错的根源：你大概率尝试过直接写data['fields']这种代码去取数据，但别忘了data本身是一个列表，列表只能用整数索引（比如data[0]取第一个元素），根本不能用字符串'fields'来定位，这就是报错的原因。而你直接用pd.DataFrame(data)或json_normalize(data)的时候，Pandas会把每个字典里的fields当成一个单独的列，不会自动把里面的列表展开成多列，所以才会得到奇怪的单列表格。

接下来给你上最简洁高效的解决方法：
我们只需要先把每个字典里的fields列表单独提取出来，拼成一个新的行数据列表，再传给Pandas DataFrame，同时指定列名就搞定了。具体代码如下：

import pandas as pd

# 你的原始数据
data = [
 {'fields': ['2024-10-07T21:22:01', 'USER-A', 21,  0,  0, 21]},
 {'fields': ['2024-10-07T21:18:28', 'USER-B', 20, 20,  0,  0, 0, 45]}
]

cols = ['Created On', 'Created By', 'Transaction Count (ALL)',
        'X Pending', 'X Cancelled (X)', 'X Completed (Y)']

# 遍历每个字典，取出fields对应的列表，组装成行数据集合
rows = [item['fields'] for item in data]

# 用行数据和列名创建DataFrame
df = pd.DataFrame(rows, columns=cols)

运行这段代码后，你就能得到结构完全正确的DataFrame了。针对你提到的"数据元素数和列名数可能不一致"的情况，Pandas会自动在缺失的位置填充NaN，完全不用担心格式混乱。

再给你掰扯下这个方法为什么好使：

列表推导式[item['fields'] for item in data]会挨个遍历data里的每个字典，把每个字典中fields对应的列表单独拎出来，这些列表就是DataFrame的每一行数据。
之后用pd.DataFrame(rows, columns=cols)把这些行数据组装成表格，并用cols作为列名，完美匹配你想要的结构。

如果你之前执着于用json_normalize，其实也能实现，只是多一步展开列的操作，代码如下（本质和上面的方法逻辑一致，只是路径不同）：

from pandas import json_normalize

# 先把数据扁平化，得到只有fields列的DataFrame
df = json_normalize(data)
# 把fields列的每个列表展开成单独的列
df = df['fields'].apply(pd.Series)
# 给列重命名为指定的列名
df.columns = cols

不过第一种方法更直接高效，我更推荐你用第一种。

最后再给你吃颗定心丸：如果你的真实数据行元素数和列名数是对齐的，那生成的DataFrame会完美对应每一列，不会出现多余的NaN，完全符合你的需求。

备注：内容来源于stack exchange，提问作者Alex F