如何将嵌套字典转换为扁平化结构的Pandas DataFrame？

问题场景 #

我在使用Pandas分析实验数据时得到了一个嵌套字典：

data = {'ah03Di': {'1': 11, '2': 11, '3': 12, '4': 14}, 
        'an02Ka': {'1': 6, '2': 11, '3': 7, '4': 9}}

用pd.DataFrame(list(data.items()), columns=['code', 'week1_2'])生成DataFrame后，week1_2列存储的是字典类型，结构如下：

code                     week1_2
0  ah03Di  {'1': 11, '2': 11, '3': 12, '4': 14}
1  an02Ka   {'1': 6, '2': 11, '3': 7, '4': 9}

现在需要将其转换为多行扁平化结构，每行对应一个code和字典中的数值，期望输出如下：

code  value
0  ah03Di     11
1  ah03Di     11
2  ah03Di     12
3  ah03Di     14
4  an02Ka      6
5  an02Ka     11
6  an02Ka      7
7  an02Ka      9

解决方案 #

这里有两种简便高效的方法可以实现这个需求：

方法1：利用explode快速展开（仅保留值的场景）

如果不需要保留字典中的键（比如示例里的1/2/3/4），只需要提取值并展开成多行，这种方法最简洁：

import pandas as pd

# 生成初始DataFrame
data = {'ah03Di': {'1': 11, '2': 11, '3': 12, '4': 14}, 
        'an02Ka': {'1': 6, '2': 11, '3': 7, '4': 9}}
df = pd.DataFrame(list(data.items()), columns=['code', 'week1_2'])

# 将字典列转为值的列表，再展开
df['week1_2'] = df['week1_2'].apply(lambda x: list(x.values()))
result = df.explode('week1_2').rename(columns={'week1_2': 'value'}).reset_index(drop=True)

print(result)

方法2：apply(pd.Series) + melt（保留键的场景）

如果需要同时保留字典中的键（比如周数），可以先将字典展开为多列，再融合为多行：

import pandas as pd

# 生成初始DataFrame
data = {'ah03Di': {'1': 11, '2': 11, '3': 12, '4': 14}, 
        'an02Ka': {'1': 6, '2': 11, '3': 7, '4': 9}}
df = pd.DataFrame(list(data.items()), columns=['code', 'week1_2'])

# 将字典列展开为多列，与原code列合并
expanded_df = pd.concat([df['code'], df['week1_2'].apply(pd.Series)], axis=1)
# 融合为多行结构，保留code和值，可选保留键（variable列）
result = expanded_df.melt(id_vars='code', var_name='week', value_name='value').drop(columns='week')  # 若需要week列可去掉drop
result = result.reset_index(drop=True)

print(result)

两种方法都能快速得到你想要的扁平化结构，根据是否需要保留字典键来选择即可。

内容的提问来源于stack exchange，提问作者Kuroskai