如何从不同长度列表生成带NaN填充的pd.DataFrame？

这问题我日常处理数据时碰到过好多次，其实有几种简洁的实现方式，给你分享三个常用的：

方法1：利用pd.DataFrame.from_dict自动补全 #

Pandas的from_dict方法配合orient='index'可以自动把不同长度的列表转成对齐的列，短列表末尾会自动填充NaN：

import pandas as pd

a = [1,2,3]
b = [2,3]

# 用字典传入数据，转置后得到目标结构
df = pd.DataFrame.from_dict({'a': a, 'b': b}, orient='index').T

方法2：转成Series后合并（最直观） #

把每个列表单独转成pd.Series，然后用pd.concat按列合并，Series会自动补全NaN到最长长度：

import pandas as pd

a = [1,2,3]
b = [2,3]

# 给每个Series指定列名
s_a = pd.Series(a, name='a')
s_b = pd.Series(b, name='b')

# 按列合并
df = pd.concat([s_a, s_b], axis=1)

我个人最常用这个方法，逻辑清晰，后续要加更多列表也很方便。

方法3：手动补全列表长度（自定义性强） #

如果需要手动控制填充值（比如不用NaN而是其他默认值），可以先计算最长列表的长度，再给短列表补全：

import pandas as pd

a = [1,2,3]
b = [2,3]

# 获取最长列表的长度
max_length = max(len(a), len(b))

# 给短列表补全到最长长度，这里用pd.NA（和NaN等价但更规范）
a_padded = a + [pd.NA] * (max_length - len(a))
b_padded = b + [pd.NA] * (max_length - len(b))

# 创建DataFrame
df = pd.DataFrame({'a': a_padded, 'b': b_padded})

执行后得到的结果就是你想要的对齐结构：

a    b
0  1  2.0
1  2  3.0
2  3  NaN

内容的提问来源于stack exchange，提问作者Garvey