如何从包含ndarray的嵌套列表创建Pandas DataFrame？

你遇到的核心问题是列表内元素结构不统一，导致直接转DataFrame不符合预期，而循环append又效率低下还容易出问题。咱们一步步来解决：

问题重现 #

先确认你的场景：

import numpy as np
import pandas as pd

a = list([[1,2],[2,3]])
a[0] = np.array([[1,2]])
a[0][0] = np.array([1,2])

# 直接转换的结果不符合预期
print(pd.DataFrame(a))
# 输出：
#        D0
# 0  [1, 2]
# 1  [2, 3]

你期望得到的是：

D0  D1
0   1   2
1   2   3

问题根源 #

你的列表a里的元素维度不统一：a[0]是二维ndarray，a[1]是普通一维列表。Pandas直接解析时，会把每个顶层元素当成一行的单个值，所以生成了单列DataFrame。而循环append的方式不仅效率极低（Pandas的DataFrame是不可变对象，每次append都会创建新副本，数据量大时是O(n²)复杂度），还容易因为初始化不当产生重复数据。

高效解决方案 #

方法1：统一展平元素后构建DataFrame #

先把所有元素（不管是ndarray还是列表）都展平成一维结构，再整体转DataFrame：

# 用np.ravel快速展平每个元素，自动兼容ndarray和列表
processed_data = [np.ravel(item) for item in a]
df = pd.DataFrame(processed_data, columns=['D0', 'D1'])
print(df)

方法2：用Numpy合并后转DataFrame #

如果所有元素都可以合并成二维数组，直接用Numpy的向量化操作合并，再转DataFrame，效率更高：

# 合并所有元素为二维数组
combined_arr = np.concatenate(a)
df = pd.DataFrame(combined_arr, columns=['D0', 'D1'])
print(df)

两种方法都能得到你期望的结果，而且比循环append快几个数量级，尤其是数据量大的时候。

另外要注意：pd.DataFrame.append()已经在Pandas 2.0及以上版本被弃用了，官方推荐用pd.concat()代替，但即使是concat，也不建议在循环里多次调用——最好是先把所有要合并的对象收集到列表里，再一次性concat，效率会高很多。

内容的提问来源于stack exchange，提问作者SwagZ