Python字典列表数据转表格pandas教程

把接口返回、爬虫抓到的字典列表（list[dict]）一键转成pandas DataFrame，处理缺字段、字段不齐、嵌套字典等常见坑。

场景痛点

调接口、爬网页、读JSON返回的数据，基本都是字典列表格式：[{"name":"张三","age":30}, ...]。想存Excel、写数据库、做统计，直接用字典没法操作。pandas的 DataFrame(rows) 一把转成表格，缺字段自动补NaN，比手动拼list方便一百倍。

用到的库

pip install pandas

完整代码

import pandas as pd

def dict_list_demo():
# 模拟接口返回的数据：每行字段可能不齐
rows = [
{"name": "张三", "age": 30, "city": "北京"},
{"name": "李四", "age": 25},                       # 缺city
{"name": "王五", "city": "深圳", "job": "工程师"},   # 缺age，多job
{"name": "赵六", "age": 35, "city": "上海", "job": "经理"},
]

# 1. 字典列表直接转DataFrame，缺字段自动补NaN
df = pd.DataFrame(rows)
print("直接转换：")
print(df)

# 2. 只保留需要的列，多余字段丢掉
df = pd.DataFrame(rows, columns=["name", "age", "city"])
print("\n只取指定列：")
print(df)

# 3. 字典里嵌套字典的情况：用json_normalize拍平
nested = [
{"name": "张三", "contact": {"phone": "13800001111", "email": "a@x.com"}},
{"name": "李四", "contact": {"phone": "13900002222", "email": "b@x.com"}},
]
flat = pd.json_normalize(nested)
print("\n嵌套字典拍平后：")
print(flat)

# 4. 转成字典列表再导出（反向操作）
back = df.to_dict(orient="records")
print("\n转回字典列表：")
print(back)

if __name__ == "__main__":
dict_list_demo()

代码讲解

pd.DataFrame(list_of_dict) 是最常用的转换方式，每个字典是一行，key自动成为列名，不同行key不齐自动补NaN。
columns=["name","age","city"] 只保留指定列，接口返回字段很多时，先挑需要的列再转，省内存。
pd.json_normalize(nested) 把嵌套字典拍平，contact.phone 会变成一列 contact.phone，用 sep="_" 可改成 contact_phone。
df.to_dict(orient="records") 反向转回字典列表，方便写JSON或传给其他接口。
字典key顺序不一致时，DataFrame会按列名字母序或首次出现顺序排，需要指定 columns 控制顺序。