如何将Airtable API返回的嵌套OrderedDict转换为DataFrame

没问题，这就帮你解决这个转换问题。你当前的代码之所以不符合预期，是因为直接把顶层的OrderedDict（包含'records'键）传给了pd.DataFrame.from_dict，但实际上你需要的是提取每个record里的**'fields'**子字典——也就是存着Lead ID、Company Name这些字段的部分。

具体操作步骤如下：

方法1：只提取核心业务字段（Lead ID等） #

首先从data里取出'records'列表，然后遍历每个record，把里面的'fields'字典收集起来，最后用这个字典列表创建DataFrame：

# 提取所有record的fields字典
field_list = [record['fields'] for record in data['records']]
# 转换为DataFrame
df = pd.DataFrame(field_list)

方法2：同时保留record的元数据（可选） #

如果你还想把每个record的'id'和'createdTime'也作为列保留在DataFrame里，可以这样做：

field_list_with_meta = []
for record in data['records']:
    # 先复制fields字典，避免修改原数据结构
    fields = record['fields'].copy()
    # 添加record的ID和创建时间字段
    fields['record_id'] = record['id']
    fields['created_time'] = record['createdTime']
    field_list_with_meta.append(fields)
# 转换为DataFrame
df = pd.DataFrame(field_list_with_meta)

为什么原代码会失败？ #

你之前用pd.DataFrame.from_dict(data)时，pandas会把顶层的键（比如'records'、'offset'）作为DataFrame的列，而每个列的值是整个record对象，这就导致了你看到的那种混乱输出。我们上面的方法是精准定位到你需要的第三层子字典，所以能生成符合预期的结构化DataFrame。

内容的提问来源于stack exchange，提问作者user9233680