我想你已经差不多了，试着去掉lst周围的额外方括号(当你从这样的字典创建 Dataframe 时，你也不需要指定列名)：

import pandas as pd
lst1 = range(100)
lst2 = range(100)
lst3 = range(100)
percentile_list = pd.DataFrame(
    {'lst1Title': lst1,
     'lst2Title': lst2,
     'lst3Title': lst3
    })

percentile_list
    lst1Title  lst2Title  lst3Title
0          0         0         0
1          1         1         1
2          2         2         2
3          3         3         3
4          4         4         4
5          5         5         5
6          6         6         6
...

如果您需要性能更高的解决方案，您可以使用np.column_stack而不是第一次尝试中的zip，这在这里的示例中有大约2倍的加速，但在我看来，这是以可读性为代价的：

import numpy as np
percentile_list = pd.DataFrame(np.column_stack([lst1, lst2, lst3]), 
                               columns=['lst1Title', 'lst2Title', 'lst3Title'])

在这里补充Aditya Guru的答案。不需要使用map。您可以简单地通过以下方式完成：

pd.DataFrame(list(zip(lst1, lst2, lst3)))

这会将列名设置为0，1，2。要设置您自己的列名，可以将关键字参数columns传递给上面的方法。

pd.DataFrame(list(zip(lst1, lst2, lst3)),
              columns=['lst1_title','lst2_title', 'lst3_title'])

再添加一个可扩展的解决方案。

lists = [lst1, lst2, lst3, lst4]
df = pd.concat([pd.Series(x) for x in lists], axis=1)

只是补充说，使用第一种方法可以做到以下几点-

pd.DataFrame(list(map(list, zip(lst1,lst2,lst3))))

有几种方法可以从多个列表创建 Dataframe 。

list1=[1,2,3,4]
list2=[5,6,7,8]
list3=[9,10,11,12]

1.pd.DataFrame({'list1':list1, 'list2':list2, 'list3'=list3})
1.pd.DataFrame(data=zip(list1,list2,list3),columns=['list1','list2','list3'])

除了上面的答案，我们还可以在飞行中创造

df= pd.DataFrame()
list1 = list(range(10))
list2 = list(range(10,20))
df['list1'] = list1
df['list2'] = list2
print(df)

希望它能帮上忙！

@oopsi使用了pd.concat()，但没有包括列名。您可以执行以下操作，这与公认答案中的第一个解决方案不同，它使您可以控制列顺序(避免无序的词典)：

import pandas as pd
lst1 = range(100)
lst2 = range(100)
lst3 = range(100)

s1=pd.Series(lst1,name='lst1Title')
s2=pd.Series(lst2,name='lst2Title')
s3=pd.Series(lst3 ,name='lst3Title')
percentile_list = pd.concat([s1,s2,s3], axis=1)

percentile_list
Out[2]: 
    lst1Title  lst2Title  lst3Title
0           0          0          0
1           1          1          1
2           2          2          2
3           3          3          3
4           4          4          4
5           5          5          5
6           6          6          6
7           7          7          7
8           8          8          8
...

您只需使用以下代码即可

train_data['labels']= train_data[["LABEL1","LABEL1","LABEL2","LABEL3","LABEL4","LABEL5","LABEL6","LABEL7"]].values.tolist()
train_df = pd.DataFrame(train_data, columns=['text','labels'])

我只是这样做的(python3.9)：

import pandas as pd
my_dict=dict(x=x, y=y, z=z) # Set column ordering here
my_df=pd.DataFrame.from_dict(my_dict)

这似乎相当简单(尽管是在2022年)，除非我遗漏了一些明显的东西……
在python2中，可以使用collections.OrderedDict()。