### 将 Python 字典转换为 Pandas DataFrame 的方法 在 Python 中，`pandas.DataFrame()` 是将字典转换为 `DataFrame` 对象的核心工具。以下是具体实现方式以及一些常见场景： #### 基本语法 可以通过传递一个字典给 `pd.DataFrame()` 来创建一个新的 `DataFrame` 对象。字典的键将成为列名，而对应的值列表则成为该列的数据。 ```python import pandas as pd # 定义字典 data_dict = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'Los Angeles', 'Chicago']} # 转换为 DataFrame df = pd.DataFrame(data_dict) print(df) ``` 输出结果如下： ``` Name Age City 0 Alice 25 New York 1 Bob 30 Los Angeles 2 Charlie 35 Chicago ``` 此过程展示了如何简单地将字典结构映射到表格形式[^1]。 #### 处理不均匀长度的字典 如果字典中的某些键对应较短的列表，则缺失的位置会被填充为 NaN（Not a Number）。这通常用于表示缺少数据的情况。 ```python data_dict_uneven = {'Name': ['David', 'Eva'], 'Age': [40], 'City': ['Houston']} df_uneven = pd.DataFrame(data_dict_uneeven) print(df_uneven) ``` 输出将是这样的： ``` Name Age City 0 David 40.0 Houston 1 Eva NaN NaN ``` 这里可以看到当存在不同长度数组时的行为模式[^2]。 #### 自定义索引 还可以通过设置 index 参数来自定义行标签而非默认整数序列。 ```python custom_index_df = pd.DataFrame( data={'Score':[98,76],'Subject':['Math','English']}, index=['StudentA','StudentB'] ) print(custom_index_df) ``` 得到的结果会带有自定义名称作为行标识符： ``` Score Subject StudentA 98 Math StudentB 76 English ``` 以上介绍了几种常见的由 python 字典构建 dataframe 实例的方式及其特性[^3]。