【Pandas】pandas DataFrame from_dict

Pandas2.2 DataFrame

Serialization IO conversion

方法	描述
DataFrame.from_dict(data[, orient, dtype, …])	用于从 字典（dict） 构建 DataFrame 的类方法

pandas.DataFrame.from_dict()

pandas.DataFrame.from_dict(data, orient='columns', dtype=None, columns=None) 是 pandas 中用于从 字典（dict） 构建 DataFrame 的类方法。

---

📌 方法签名

pandas.DataFrame.from_dict(data, orient='columns', dtype=None, columns=None)

参数说明：

参数	类型	描述
data	dict	包含数据的字典，键为列名或行标签（取决于 orient）
orient	str，默认 'columns'	控制字典键的方向： - 'columns'：字典的键是列名 - 'index'：字典的键是索引（行标签）
dtype	数据类型（可选）	指定返回 DataFrame 的数据类型
columns	list（可选）	当 orient='index' 时，指定列名顺序

---

✅ 示例及结果

示例 1：默认方式（orient='columns'）

字典的键作为列名，值作为每列的数据。

import pandas as pddata = {'A': [1, 2, 3],'B': [4, 5, 6]
}df = pd.DataFrame.from_dict(data)
print(df)

输出：

   A  B
0  1  4
1  2  5
2  3  6

---

示例 2：使用 orient='index'

字典的键作为行索引，每个值是一个序列（列表、元组等），表示该行的数据。

data = {'row1': [1, 2],'row2': [3, 4],'row3': [5, 6]
}df = pd.DataFrame.from_dict(data, orient='index')
print(df)

输出：

      0  1
row1  1  2
row2  3  4
row3  5  6

你也可以通过 columns 参数指定列名：

df = pd.DataFrame.from_dict(data, orient='index', columns=['Col1', 'Col2'])
print(df)

输出：

       Col1  Col2
row1      1     2
row2      3     4
row3      5     6

---

示例 3：指定数据类型 dtype

你可以强制转换所有列的数据类型：

data = {'A': [1, 2, 3],'B': [4, 5, 6]
}df = pd.DataFrame.from_dict(data, dtype='float64')
print(df.dtypes)

输出：

A    float64
B    float64
dtype: object

---

📝 总结

特性	说明
方法名	DataFrame.from_dict()
输入	字典结构
支持方向	'columns'（默认）、'index'
自动对齐	支持不同长度的值，自动填充 NaN
类型控制	可通过 dtype 指定数据类型
列名控制	在 orient='index' 时可用 columns 指定列名

---