如何高效地从字典构建Pandas DataFrame？

嘿，你的需求其实用pandas自带的方法就能很优雅地解决，不用自己写递归扁平化函数哦！而且你的思路方向是对的，但可以更简洁高效，下面给你几种更优的方案（另外提醒下：尽量别用dict当变量名，这是Python内置类型，容易引发冲突，我下面都改成my_dict啦）：

方法1：用from_dict + stack()（最简洁高效） #

这是利用pandas原生方法的最优解，代码短且性能好：

import pandas as pd

my_dict = {0: ['A', 'B', 'C'], 1: 'D'}
# 先把字典转成以key为索引的DataFrame，再堆叠列内容为行
df = pd.DataFrame.from_dict(my_dict, orient='index').stack().reset_index()
# 整理列名，删掉多余的level_1列
df.columns = ['index', 'level_1', 'values']
df = df.drop('level_1', axis=1)

解释： #

• from_dict(orient='index')会把字典的key作为行索引，value自动填充为列（单个值会变成单元素列，列表会拆成多列）；
• stack()会把所有列的内容“堆叠”成单行的Series，自动处理单个值和列表的差异；
• 最后通过reset_index()把原索引转成列，再清理多余列、重命名就得到你要的结构了。

方法2：用explode（直观易懂，适合pandas 0.25+） #

如果你的pandas版本在0.25及以上，explode方法专门用来拆分列表类型的列，可读性拉满：

import pandas as pd

my_dict = {0: ['A', 'B', 'C'], 1: 'D'}
# 先把所有值统一为列表格式，避免explode报错
df = pd.DataFrame({
    'index': list(my_dict.keys()),
    'values': [v if isinstance(v, list) else [v] for v in my_dict.values()]
})
# 拆分列表为多行
df = df.explode('values').reset_index(drop=True)

解释： #

• 先把单个值（比如'D'）包装成列表['D']，确保所有values列的元素都是列表；
• explode('values')会把每个列表里的元素拆成单独的行，同时保留对应的index值，完美匹配你的需求。

方法3：简化版列表推导（不用自定义扁平化函数） #

如果你还是偏好手动构造元组列表的思路，也可以不用递归扁平化函数，直接在推导里处理：

import pandas as pd

my_dict = {0: ['A', 'B', 'C'], 1: 'D'}
# 直接判断每个value是否为列表，不是就包装成列表再迭代
tuples_list = [(k, val) for k, vals in my_dict.items() for val in (vals if isinstance(vals, list) else [vals])]
df = pd.DataFrame(tuples_list, columns=['index', 'values'])

解释： #

这个写法比你原来的递归扁平化更高效，也更易读——直接在推导式里完成“统一列表格式+生成元组”的操作，没有多余的递归调用，处理大数据量时性能会更好。

内容的提问来源于stack exchange，提问作者Yicheng Wang