Antworten:
Sie können auf das zugrunde liegende Array zugreifen und dessen tolist
Methode aufrufen :
>>> df = pd.DataFrame([[1,2,3],[3,4,5]])
>>> lol = df.values.tolist()
>>> lol
[[1L, 2L, 3L], [3L, 4L, 5L]]
df.to_numpy().tolist()
.
Wenn die Daten Spalten- und Indexbezeichnungen haben, die Sie beibehalten möchten, gibt es einige Optionen.
Beispieldaten:
>>> df = pd.DataFrame([[1,2,3],[3,4,5]], \
columns=('first', 'second', 'third'), \
index=('alpha', 'beta'))
>>> df
first second third
alpha 1 2 3
beta 3 4 5
Die tolist()
in anderen Antworten beschriebene Methode ist nützlich, liefert jedoch nur die Kerndaten - was je nach Ihren Anforderungen möglicherweise nicht ausreicht.
>>> df.values.tolist()
[[1, 2, 3], [3, 4, 5]]
Ein Ansatz besteht darin, das DataFrame
in json zu konvertieren df.to_json()
und es dann erneut zu analysieren. Dies ist umständlich, hat jedoch einige Vorteile, da die to_json()
Methode einige nützliche Optionen bietet.
>>> df.to_json()
{
"first":{"alpha":1,"beta":3},
"second":{"alpha":2,"beta":4},"third":{"alpha":3,"beta":5}
}
>>> df.to_json(orient='split')
{
"columns":["first","second","third"],
"index":["alpha","beta"],
"data":[[1,2,3],[3,4,5]]
}
Umständlich, kann aber nützlich sein.
Die gute Nachricht ist, dass es ziemlich einfach ist, Listen für die Spalten und Zeilen zu erstellen:
>>> columns = [df.index.name] + [i for i in df.columns]
>>> rows = [[i for i in row] for row in df.itertuples()]
Dies ergibt:
>>> print(f"columns: {columns}\nrows: {rows}")
columns: [None, 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]
Wenn der None
Name des Index störend ist, benennen Sie ihn um:
df = df.rename_axis('stage')
Dann:
>>> columns = [df.index.name] + [i for i in df.columns]
>>> print(f"columns: {columns}\nrows: {rows}")
columns: ['stage', 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]
DataFrame.itertuples()
oder DataFrame.to_records()
für all das?
Ich weiß nicht, ob es Ihren Bedürfnissen entspricht, aber Sie können auch:
>>> lol = df.values
>>> lol
array([[1, 2, 3],
[3, 4, 5]])
Dies ist nur ein Numpy-Array aus dem ndarray-Modul, mit dem Sie alle üblichen Numpy-Array-Aufgaben ausführen können.
Ich wollte den Index beibehalten und habe daher die ursprüngliche Antwort auf diese Lösung angepasst:
list_df = df.reset_index().values.tolist()
Jetzt können Sie es an einer anderen Stelle einfügen (z. B. um es in eine Stapelüberlauffrage einzufügen) und letztere neu erstellen:
pd.Dataframe(list_df, columns=['name1', ...])
pd.set_index(['name1'], inplace=True)
Vielleicht hat sich etwas geändert, aber dies gab eine Liste von Ndarrays zurück, die das taten, was ich brauchte.
list(df.values)
Hinweis: Ich habe viele Fälle beim Stapelüberlauf gesehen, in denen das Konvertieren einer Pandas-Serie oder eines DataFrame in ein NumPy-Array oder einfache Python-Listen völlig unnötig ist. Wenn Sie neu in der Bibliothek sind, sollten Sie überprüfen, ob die von Ihnen benötigten Funktionen bereits von diesen Pandas-Objekten angeboten werden.
Um einen Kommentar von @jpp zu zitieren :
In der Praxis ist es häufig nicht erforderlich, das NumPy-Array in eine Liste von Listen zu konvertieren.
Wenn ein Pandas DataFrame / eine Pandas-Serie nicht funktioniert, können Sie die integrierten Methoden DataFrame.to_numpy
und Series.to_numpy
Methoden verwenden.
for elem in some_series.values.tolist():
weil sie nicht wissen, dass Sie über die Elemente einer Serie iterieren können. Ich bin mir nicht sicher, was an dieser Antwort so schrecklich ist.
Wir können die DataFrame.iterrows () -Funktion verwenden, um über jede der Zeilen des angegebenen Datenrahmens zu iterieren und eine Liste aus den Daten jeder Zeile zu erstellen:
# Empty list
row_list =[]
# Iterate over each row
for index, rows in df.iterrows():
# Create list for the current row
my_list =[rows.Date, rows.Event, rows.Cost]
# append the list to the final list
row_list.append(my_list)
# Print
print(row_list)
Wir können jede Zeile des angegebenen Datenrahmens erfolgreich in eine Liste extrahieren
L
in der Ausgabe s angehängt?