如何将 Pandas DataFrame 转换为列表?


将 Pandas DataFrame 转换为列表是使用 Python 进行数据分析和处理的常见任务。Pandas 库提供了强大的数据结构和功能来处理表格数据,但在某些情况下,需要将 DataFrame 转换为列表格式。通过将 DataFrame 转换为列表,我们可以灵活地执行各种操作或使用其他 Python 数据结构。

在本文中,我们将探讨将 Pandas DataFrame 转换为列表的不同方法。我们将讨论一些简单的方法,例如使用 values 属性或 to_dict() 方法,以及使用列表推导式。通过提供详细的步骤和示例,本文将使您掌握将 DataFrame 转换为列表的知识。

方法 1:使用 values 属性

将 Pandas DataFrame 转换为列表的一种可靠方法是利用 values 属性。通过访问 values 属性,我们可以检索 DataFrame 的底层 NumPy 数组表示。随后,我们可以使用 tolist() 方法将此数组转换为列表。此方法提供了一种方便的方法来获取 DataFrame 的列表表示,方便进一步的数据处理和分析。

示例

这是一个输入示例

import pandas as pd

# Create a DataFrame
df = pd.DataFrame({'Column1': [1, 2, 3], 'Column2': ['A', 'B', 'C']})

# Convert DataFrame to a list using the 'values' attribute
df_list = df.values.tolist()

# Output the converted list
print(df_list)

输出

[[1, 'A'], [2, 'B'], [3, 'C']]

方法 2:使用 to_dict() 方法

Pandas 提供了一种方便的方法,称为 to_dict(),允许我们将 DataFrame 转换为字典。默认情况下,此方法将 DataFrame 转换为一个字典,其中列名作为键映射到它们各自的值。但是,为了获得 DataFrame 的列表表示,我们可以使用 values() 方法检索字典值。

示例

这是一个输入示例

import pandas as pd

# Create a DataFrame
df = pd.DataFrame({'Column1': [1, 2, 3], 'Column2': ['A', 'B', 'C']})

# Convert DataFrame to a dictionary
df_dict = df.to_dict()

# Convert the dictionary values to a list
df_list = list(df_dict.values())

# Output the converted list
print(df_list)

输出

[{0: 1, 1: 2, 2: 3}, {0: 'A', 1: 'B', 2: 'C'}]

方法 3:使用列表推导式

列表推导式是将 Pandas DataFrame 转换为列表的另一种方法。它允许我们遍历 DataFrame 的行或列,并将值轻松追加到新的列表中。这种简洁高效的方法简化了从 DataFrame 中提取数据,使我们能够轻松构建列表表示。列表推导式提供了灵活性,允许自定义转换过程以满足特定需求,使其成为 DataFrame 到列表转换的通用技术。

示例

这是一个输入示例

import pandas as pd

# Create a DataFrame
df = pd.DataFrame({'Column1': [1, 2, 3], 'Column2': ['A', 'B', 'C']})

# Convert DataFrame to a list using list comprehension
df_list = [list(row) for row in df.values]

# Output the converted list
print(df_list)

输出

[[1, 'A'], [2, 'B'], [3, 'C']]

结论

总而言之,将 Pandas DataFrame 转换为列表可以增强您在 Python 中的数据分析和功能。我们探讨了各种方法,例如使用 values 属性提取底层的 NumPy 数组并使用 tolist() 将其转换为列表。to_dict() 方法将 DataFrame 转换为字典,然后可以将其转换为列表。列表推导式提供了一种简洁高效的方法,可以遍历行或列来构建列表表示。将 DataFrame 转换为列表为分析、处理和与其他数据结构集成提供了可能性。掌握这些技术使您能够高效地处理 Python 中的数据。

更新于:2023年7月21日

3K+ 次浏览

启动您的职业生涯

完成课程获得认证

开始学习
广告