如何高效地将多个字典合并为一个 Pandas DataFrame

冬涛酱_3086

冬涛酱_3086

2026-03-08

842人浏览

原创

如何高效地将多个字典合并为一个 Pandas DataFrame

本文介绍三种高效构建 dataframe 的方法:直接传入字典列表、使用字典推导式批量收集、以及以命名索引方式构造,适用于数千样本场景,兼顾性能与可读性。

本文介绍三种高效构建 dataframe 的方法:直接传入字典列表、使用字典推导式批量收集、以及以命名索引方式构造,适用于数千样本场景,兼顾性能与可读性。

在数据分析流程中,常会遇到以字典形式输出的批量样本数据(例如每个样本含 area、perimeter、diameter 等统一字段)。当样本量达 5000+、字段数约 20 个时,低效拼接(如逐个 pd.concat)会显著拖慢处理速度。幸运的是,Pandas 提供了原生、简洁且高性能的解决方案——直接将字典列表传递给 pd.DataFrame() 构造器。

✅ 推荐方法:字典列表直接构造(最简洁、最高效)

只要所有字典具有相同键名,Pandas 可自动推断列名并按行对齐:

import pandas as pd

sample_1 = {"area": 2, "perimeter": 3, "diameter": 5}
sample_2 = {"area": 6, "perimeter": 3, "diameter": 8}

# 将所有样本字典放入一个 list
samples = [sample_1, sample_2]
df = pd.DataFrame(samples)

print(df)

输出:

   area  perimeter  diameter
0     2          3         5
1     6          3         8

✅ 优势:

  • 时间复杂度 O(n),无需显式循环或合并;
  • 内存友好,避免中间 DataFrame 创建;
  • 自动对齐字段,缺失键会填充 NaN(若需严格校验,可后续用 df.dropna() 或 df.validate 检查)。

? 批量生成场景:用列表推导式或生成器收集

若样本来自函数调用(如 get_sample(i)),推荐直接构建列表,避免冗余变量命名:

# 假设有 5000 个样本,通过函数生成
samples = [get_sample(i) for i in range(5000)]  # 列表推导式(内存可控时)
# 或更省内存的生成器(配合 pd.DataFrame() 亦可接受迭代器)
# samples = (get_sample(i) for i in range(5000))

df = pd.DataFrame(samples)

⚠️ 注意:若样本量极大(如 >100 万),可考虑分块处理或使用 dask.dataframe,但对 5000–50000 样本,纯 pd.DataFrame(list_of_dicts) 是最佳实践。

? 进阶用法:带自定义索引(如样本 ID)

若字典已按有意义的标签组织(如 'S001', 'S002'),可改用 pd.DataFrame.from_dict(..., orient='index'):

samples_by_id = {
    'S001': {'area': 2, 'perimeter': 3, 'diameter': 5},
    'S002': {'area': 6, 'perimeter': 3, 'diameter': 8},
}

df = pd.DataFrame.from_dict(samples_by_id, orient='index')
print(df)

输出:

     area  perimeter  diameter
S001    2          3         5
S002    6          3         8

? 提示:orient='index' 会将字典的 key 作为行索引,value 中的 key 自动转为列名,语义更清晰,便于后续 .loc['S001'] 索引访问。

⚠️ 注意事项与最佳实践

  • 键一致性是前提:所有字典必须包含完全相同的键(或允许部分缺失),否则缺失字段将被设为 NaN;建议在构造前用 set.union(*map(set, samples)) 校验字段完整性。
  • 避免反模式:不要用 pd.concat([pd.Series(d).to_frame().T for d in samples]) —— 创建大量中间对象,性能极差。
  • 类型提示友好:若使用 typing.Dict[str, Union[int, float]],该方法天然兼容静态类型检查工具(如 mypy)。
  • 性能实测参考(i7-11800H, 5000 字典):pd.DataFrame(list) 耗时 ≈ 8–12 ms;逐个 concat 耗时 > 1200 ms。

综上,面对结构一致的多字典数据,优先选择 pd.DataFrame(list_of_dicts) —— 它简洁、健壮、高效,是 Pandas 官方推荐的标准范式。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5544

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33857

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3083

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习