您可以在PandasDataFrame中转换您的字典

import pandas as pd
df = pd.DataFrame(columns=['Name', 'Weight', 'Sample'])
for key in my_dict:
  ...
  #transform your dic in DataFrame
  new_df = pd.DataFrame([row])
  df = pd.concat([df, new_df], axis=0, ignore_index=True)

Concat需要一个系列或df对象的列表作为第一个参数。

import pandas as pd

my_dict = {'the_key': 'the_value'}

for key in my_dict:
   row = {'Name': 'name_test', 'Weight':'weight_test', 'Sample':'sample_test'}
   df = pd.concat([pd.DataFrame(row, index=[key])], axis=1, ignore_index=True) 

print(df)
         0          1           2
the_key name_test   weight_test sample_test

正如user7864386所建议的，最有效的方法是收集dict，然后将它们连接起来，但是如果由于某种原因必须在循环中添加行，则更有效的方法是.loc，因为这样就不必首先将dict转换为单行DataFrame：

df.loc[len(df),:] = row

要正确地对此进行基准测试相当困难，因为该行的%timeit将增大DataFrame，并使调用随时间推移而变慢，而另一种方法

pd.concat([df, pd.DataFrame(row)], axis=0, ignore_index=True)

不会使df发生突变，并且df = ...不能被%timeit艾德，因为它会导致UnboundLocalError。不过，在一个%timeit之前运行一个%timeit，在另一个%timeit之后运行一个%timeit，让我假设速度优势为2倍。