如何在Pandas中将嵌套字典转换为指定格式的DataFrame？

这问题我碰到过，用Pandas有好几种简洁的方法能搞定，我给你分享两个常用的方案：

方法一：利用Pandas内置的stack()方法（最简洁） #

这种方法靠Pandas的内置方法一步到位，代码量最少：

import pandas as pd

data = {'1':{'a':10, 'b':30}, '2':{'a':20, 'b':60}}

# 第一步：将嵌套字典转为初始DataFrame，外层字典的键作为行索引
df = pd.DataFrame.from_dict(data, orient='index')
# 第二步：把列标签（内层字典的键）转成行索引，再重置索引为普通列
df = df.stack().reset_index()
# 第三步：给列重命名为你需要的x、y、z
df.columns = ['x', 'y', 'z']

print(df)

运行后就能得到你想要的结构，核心是stack()方法——它会把DataFrame的列“堆叠”成第二层行索引，再通过reset_index()把索引转成普通列，最后改名收尾。

方法二：手动遍历构造数据列表（适合理解底层逻辑） #

如果想搞清楚每一步的原理，可以用遍历的方式手动组装数据：

import pandas as pd

data = {'1':{'a':10, 'b':30}, '2':{'a':20, 'b':60}}

# 初始化空列表存储每一行的数据
rows = []
# 第一层遍历：取外层字典的键（对应x列）和内层字典
for x, inner_dict in data.items():
    # 第二层遍历：取内层字典的键（对应y列）和值（对应z列）
    for y, z in inner_dict.items():
        rows.append([x, y, z])

# 用列表直接构造DataFrame并指定列名
df = pd.DataFrame(rows, columns=['x', 'y', 'z'])

print(df)

这种方法逻辑非常直观，就是逐层拆解嵌套字典，把每个键值对拆成一行数据，适合刚接触Pandas的朋友理解数据转换的过程。

内容的提问来源于stack exchange，提问作者amrutha