这可能是一个简单的问题，但我不知道该怎么做。假设我有两个变量如下。
a = 2
b = 3
我想由此构造一个 DataFrame：
df2 = pd.DataFrame({'A':a,'B':b})
这会产生一个错误：
ValueError: 如果使用所有标量值，则必须传递索引
我也试过这个：
df2 = (pd.DataFrame({'a':a,'b':b})).reset_index()
这给出了相同的错误消息。
【问题讨论】：
.foo() 会解决错误，这不是很简单吗？
标签： python pandas dataframe scalar
错误消息表明，如果您要传递标量值，则必须传递一个索引。因此，您不能对列使用标量值 - 例如使用列表：
>>> df = pd.DataFrame({'A': [a], 'B': [b]})
>>> df
A B
0 2 3
或使用标量值并传递索引：
>>> df = pd.DataFrame({'A': a, 'B': b}, index=[0])
>>> df
A B
0 2 3
【讨论】：
index=0，但这可能导致意外误用（认为单个字典可以以某种方式创建多行数据框）
你也可以使用pd.DataFrame.from_records，当你已经有字典的时候更方便：
df = pd.DataFrame.from_records([{ 'A':a,'B':b }])
如果需要，您还可以通过以下方式设置索引：
df = pd.DataFrame.from_records([{ 'A':a,'B':b }], index='A')
【讨论】：
from_records，而不是在这样的数组上。只是发布这个以防它提醒你仔细检查你是否做对了。
您可以尝试将您的字典包装成一个列表：
my_dict = {'A':1,'B':2}
pd.DataFrame([my_dict])
A B
0 1 2
【讨论】：
[ ] 正如你提到的@NewBie。接受的答案不是那么快，因为需要对所有标量值执行此操作，谢谢！
您需要先创建一个熊猫系列。第二步是将pandas系列转换为pandas dataframe。
import pandas as pd
data = {'a': 1, 'b': 2}
pd.Series(data).to_frame()
您甚至可以提供列名。
pd.Series(data).to_frame('ColumnName')
【讨论】：
pd.Series(data).to_frame('ColumnName') 更短，虽然这个等价物可能更直接：pd.DataFrame.from_dict(data, orient='index', columns=['ColumnName'])
也许 Series 会提供您需要的所有功能：
pd.Series({'A':a,'B':b})
DataFrame 可以被认为是 Series 的集合，因此您可以：
将多个系列连接成一个数据帧（如here 所述）
将 Series 变量添加到现有数据框 (example here)
【讨论】：
我在使用 numpy 数组时遇到了同样的问题，解决方案是将它们展平：
data = {
'b': array1.flatten(),
'a': array2.flatten(),
}
df = pd.DataFrame(data)
【讨论】：
熊猫的魔法在起作用。所有的逻辑都出来了。
错误信息"ValueError: If using all scalar values, you must pass an index" 说你必须传递一个索引。
这并不一定意味着传递索引会让 pandas 做你想让它做的事情
当您传递索引时，pandas 会将您的字典键视为列名，并将值视为该列应包含索引中每个值的内容。
a = 2
b = 3
df2 = pd.DataFrame({'A':a,'B':b}, index=[1])
A B
1 2 3
传递更大的索引：
df2 = pd.DataFrame({'A':a,'B':b}, index=[1, 2, 3, 4])
A B
1 2 3
2 2 3
3 2 3
4 2 3
当没有给出索引时，通常由数据框自动生成索引。但是，pandas 不知道你想要多少行2 和3。但是，您可以更明确地说明它
df2 = pd.DataFrame({'A':[a]*4,'B':[b]*4})
df2
A B
0 2 3
1 2 3
2 2 3
3 2 3
默认索引是基于 0 的。
我建议在创建数据框时始终将列表字典传递给数据框构造函数。其他开发人员更容易阅读。 Pandas 有很多警告，不要让其他开发人员必须成为所有这些方面的专家才能阅读您的代码。
【讨论】：
您需要提供可迭代作为 Pandas DataFrame 列的值：
df2 = pd.DataFrame({'A':[a],'B':[b]})
【讨论】：
你可以试试：
df2 = pd.DataFrame.from_dict({'a':a,'b':b}, orient = 'index')
来自“orient”参数的文档：如果传递的 dict 的键应该是结果 DataFrame 的列，则传递“columns”（默认）。否则，如果键应该是行，则传递“索引”。
【讨论】：
我通常使用以下方法从dicts快速创建一个小表。
假设您有一个字典，其中键是文件名，值是它们对应的文件大小，您可以使用以下代码将其放入 DataFrame 中（注意字典上的 .items() 调用）：
files = {'A.txt':12, 'B.txt':34, 'C.txt':56, 'D.txt':78}
filesFrame = pd.DataFrame(files.items(), columns=['filename','size'])
print(filesFrame)
filename size
0 A.txt 12
1 B.txt 34
2 C.txt 56
3 D.txt 78
【讨论】：
我尝试了 transpose() 并且成功了。 缺点：您创建了一个新对象。
testdict1 = {'key1':'val1','key2':'val2','key3':'val3','key4':'val4'}
df = pd.DataFrame.from_dict(data=testdict1,orient='index')
print(df)
print(f'ID for DataFrame before Transpose: {id(df)}\n')
df = df.transpose()
print(df)
print(f'ID for DataFrame after Transpose: {id(df)}')
输出
0
key1 val1
key2 val2
key3 val3
key4 val4
ID for DataFrame before Transpose: 1932797100424
key1 key2 key3 key4
0 val1 val2 val3 val4
ID for DataFrame after Transpose: 1932797125448
```
【讨论】：
如果您打算转换标量字典，则必须包含索引：
import pandas as pd
alphabets = {'A': 'a', 'B': 'b'}
index = [0]
alphabets_df = pd.DataFrame(alphabets, index=index)
print(alphabets_df)
虽然列表字典不需要索引，但同样的想法可以扩展到列表字典：
planets = {'planet': ['earth', 'mars', 'jupiter'], 'length_of_day': ['1', '1.03', '0.414']}
index = [0, 1, 2]
planets_df = pd.DataFrame(planets, index=index)
print(planets_df)
当然，对于列表字典，您可以构建不带索引的数据框：
planets_df = pd.DataFrame(planets)
print(planets_df)
【讨论】：
输入不必是记录列表 - 它也可以是单个字典：
pd.DataFrame.from_records({'a':1,'b':2}, index=[0])
a b
0 1 2
这似乎相当于：
pd.DataFrame({'a':1,'b':2}, index=[0])
a b
0 1 2
【讨论】：
这是因为 DataFrame 有两个直观的维度 - 列 和 行。
您只是使用字典键指定列。
如果您只想指定一维数据，请使用系列！
【讨论】：
最简单的选项 ls :
dict = {'A':a,'B':b}
df = pd.DataFrame(dict, index = np.arange(1) )
【讨论】：
另一种选择是使用字典理解将标量动态转换为列表：
df = pd.DataFrame(data={k: [v] for k, v in mydict.items()})
表达式 {...} 创建一个新的字典，其值是一个包含 1 个元素的列表。如：
In [20]: mydict
Out[20]: {'a': 1, 'b': 2}
In [21]: mydict2 = { k: [v] for k, v in mydict.items()}
In [22]: mydict2
Out[22]: {'a': [1], 'b': [2]}
【讨论】：
将字典转换为数据框
col_dict_df = pd.Series(col_dict).to_frame('new_col').reset_index()
为列命名
col_dict_df.columns = ['col1', 'col2']
【讨论】：
将“a”和“b”值更改为列表，如下所示：
a = [2]
b = [3]
然后执行相同的代码如下：
df2 = pd.DataFrame({'A':a,'B':b})
df2
你会得到：
A B
0 2 3
【讨论】：
import pandas as pd
a=2
b=3
dict = {'A': a, 'B': b}
pd.DataFrame(pd.Series(dict)).T
# *T :transforms the dataframe*
Result:
A B
0 2 3
【讨论】：
.T 添加到其他答案的建议中。你能解释一下这有什么不同吗？
你可以试试这个： df2 = pd.DataFrame.from_dict({'a':a,'b':b}, orient = 'index')
【讨论】：
如果你有字典，你可以用下面这行代码把它变成熊猫数据框：
pd.DataFrame({"key": d.keys(), "value": d.values()})
【讨论】：
` <!-- language: lang-py --> fruits_count = defaultdict(int) fruits_count["apples"] = 10 fruits_count["bananas"] = 21 pd.DataFrame({"key" : fruits_count.keys(), "value" : fruits_count.values()}) 输出：键值 0（香蕉、苹果）(21, 10) 1 (香蕉、苹果) (21, 10)
只需在列表中传递 dict：
a = 2
b = 3
df2 = pd.DataFrame([{'A':a,'B':b}])
【讨论】：