将字典的项传递给DataFrame构造函数，并给出列名。之后，解析Date列以获得时间戳值。

注意python 2之间的区别。X和3.x:

在python 2.x中:

df = pd.DataFrame(data.items(), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])

在Python 3中。X:(需要额外的“列表”)

df = pd.DataFrame(list(data.items()), columns=['Date', 'DateValue'])
df['Date'] = pd.to_datetime(df['Date'])

这里的错误在于，由于使用标量值调用DataFrame构造函数(它期望值为list/dict/…即有多个列):

pd.DataFrame(d)
ValueError: If using all scalar values, you must must pass an index

你可以从字典中获取项(即键值对):

In [11]: pd.DataFrame(d.items())  # or list(d.items()) in python 3
Out[11]:
             0    1
0   2012-07-02  392
1   2012-07-06  392
2   2012-06-29  391
3   2012-06-28  391
...

In [12]: pd.DataFrame(d.items(), columns=['Date', 'DateValue'])
Out[12]:
          Date  DateValue
0   2012-07-02        392
1   2012-07-06        392
2   2012-06-29        391

但我认为传递Series构造函数更有意义:

In [21]: s = pd.Series(d, name='DateValue')
Out[21]:
2012-06-08    388
2012-06-09    388
2012-06-10    388

In [22]: s.index.name = 'Date'

In [23]: s.reset_index()
Out[23]:
          Date  DateValue
0   2012-06-08        388
1   2012-06-09        388
2   2012-06-10        388

接受一个dict作为参数，并返回一个数据框架，其中dict的键作为索引，值作为列。

def dict_to_df(d):
    df=pd.DataFrame(d.items())
    df.set_index(0, inplace=True)
    return df

正如在另一个答案中解释的那样，直接在这里使用pandas.DataFrame()不会像你想的那样起作用。

你可以使用pandas.DataFrame.from_dict with orient='index':

In[7]: pandas.DataFrame.from_dict({u'2012-06-08': 388,
 u'2012-06-09': 388,
 u'2012-06-10': 388,
 u'2012-06-11': 389,
 u'2012-06-12': 389,
 .....
 u'2012-07-05': 392,
 u'2012-07-06': 392}, orient='index', columns=['foo'])
Out[7]: 
            foo
2012-06-08  388
2012-06-09  388
2012-06-10  388
2012-06-11  389
2012-06-12  389
........
2012-07-05  392
2012-07-06  392

pd.DataFrame({'date' : dict_dates.keys() , 'date_value' : dict_dates.values() })

你也可以将字典的键和值传递给新的数据框架，如下所示:

import pandas as pd

myDict = {<the_dict_from_your_example>]
df = pd.DataFrame()
df['Date'] = myDict.keys()
df['DateValue'] = myDict.values()

我已经遇到过这种情况几次，并有一个示例字典，我从函数get_max_Path()创建，它返回示例字典:

{2: 0.3097502930247044, 3: 0.4413177909384636, 4: 0.5197224051562838, 5: 0.5717654946470984, 6: 0.6063959031223476, 7: 0.6365209824708223, 8: 0.655918861281035, 9: 0.680844386645206}

为了将其转换为数据框架，我运行了以下命令:

df = pd.DataFrame.from_dict(get_max_path(2)， orient = 'index').reset_index()

返回一个简单的带有单独索引的两列数据框架:

索引0 0 2 0.309750 13 0.441318

只需使用f.r ame(columns={'index': ' columnn1 '， 0: 'Column2'}， inplace=True)重命名列即可。

在我的情况下，我希望字典的键和值是DataFrame的列和值。所以唯一对我有用的是:

data = {'adjust_power': 'y', 'af_policy_r_submix_prio_adjust': '[null]', 'af_rf_info': '[null]', 'bat_ac': '3500', 'bat_capacity': '75'} 

columns = list(data.keys())
values = list(data.values())
arr_len = len(values)

pd.DataFrame(np.array(values, dtype=object).reshape(1, arr_len), columns=columns)

当将字典转换为pandas数据框架时，你希望键是所述数据框架的列，值是行值，你可以简单地在字典周围放括号，像这样:

>>> dict_ = {'key 1': 'value 1', 'key 2': 'value 2', 'key 3': 'value 3'}
>>> pd.DataFrame([dict_])
 
    key 1     key 2     key 3
0   value 1   value 2   value 3

编辑:在pandas文档中，DataFrame构造函数中data参数的一个选项是一个字典列表。这里我们传递一个包含一个字典的列表。

Pandas具有将字典转换为数据帧的内置功能。

pd.DataFrame.from_dict (dictionaryObject东方=“指数”)

对于你的数据，你可以像下面这样转换:

import pandas as pd
your_dict={u'2012-06-08': 388,
 u'2012-06-09': 388,
 u'2012-06-10': 388,
 u'2012-06-11': 389,
 u'2012-06-12': 389,
 u'2012-06-13': 389,
 u'2012-06-14': 389,
 u'2012-06-15': 389,
 u'2012-06-16': 389,
 u'2012-06-17': 389,
 u'2012-06-18': 390,
 u'2012-06-19': 390,
 u'2012-06-20': 390,
 u'2012-06-21': 390,
 u'2012-06-22': 390,
 u'2012-06-23': 390,
 u'2012-06-24': 390,
 u'2012-06-25': 391,
 u'2012-06-26': 391,
 u'2012-06-27': 391,
 u'2012-06-28': 391,
 u'2012-06-29': 391,
 u'2012-06-30': 391,
 u'2012-07-01': 391,
 u'2012-07-02': 392,
 u'2012-07-03': 392,
 u'2012-07-04': 392,
 u'2012-07-05': 392,
 u'2012-07-06': 392}

your_df_from_dict=pd.DataFrame.from_dict(your_dict,orient='index')
print(your_df_from_dict)

我认为你可以在创建字典时对你的数据格式进行一些更改，然后你可以轻松地将它转换为DataFrame:

输入:

a={'Dates':['2012-06-08','2012-06-10'],'Date_value':[388,389]}

输出:

{'Date_value': [388, 389], 'Dates': ['2012-06-08', '2012-06-10']}

输入:

aframe=DataFrame(a)

输出:将是你的数据帧

你只需要在Sublime或Excel中使用一些文本编辑。

d = {'Date': list(yourDict.keys()),'Date_Values': list(yourDict.values())}
df = pandas.DataFrame(data=d)

如果你没有在list()中封装你的dict .keys()，那么你最终会发现你所有的键和值都被放在每一列的每一行中。是这样的:

日期\ 0(2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1… 1(2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1… 2(2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1… 3(2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1… 4(2012-06-08, 2012-06-09, 2012-06-10, 2012-06-1…

但是通过添加list()，结果是这样的:

日期Date_Values 0 2012-06-08 388 1 2012-06-09 388 2 2012-06-10 388 3 2012-06-11 389 4 2012-06-12 389 .．.

我是这样做的:

df= pd.DataFrame([d.keys(), d.values()]).T
df.columns= ['keys', 'values']  # call them whatever you like

我希望这对你们有帮助

另外，我发现面向行的例子很有帮助;因为通常记录是如何存储在外部的。

https://pbpython.com/pandas-list-dict.html

这是我的工作，因为我想有一个单独的索引列

df = pd.DataFrame.from_dict(some_dict, orient="index").reset_index()
df.columns = ['A', 'B']

我发现最简单的方法是创建一个空的数据框架并附加字典。 你需要告诉panda's不要关心索引，否则你会得到错误:TypeError:只能在ignore_index=True时附加字典

import pandas as pd
mydict = {'foo': 'bar'}
df = pd.DataFrame()
df = df.append(mydict, ignore_index=True)

重点是如何将每个元素放入一个DataFrame中。

Row-wise:

pd.DataFrame(dic.items(), columns=['Date', 'Value'])

或columns-wise:

pd.DataFrame([dic])

在普通字典上的%timeit结果和pd. datafame .from_dict()是明显的赢家。

%timeit cols_df = pd.DataFrame.from_dict(clu_meta,orient='index',columns=['Columns_fromUser'])
214 µs ± 9.38 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit pd.DataFrame([clu_meta])
943 µs ± 10.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit pd.DataFrame(clu_meta.items(), columns=['Default_colNames', 'Columns_fromUser'])
285 µs ± 7.91 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)