Pandas DataFrame zur Liste der Listen

Es ist einfach, eine Liste von Listen in einen Pandas-Datenrahmen umzuwandeln:

import pandas as pd
df = pd.DataFrame([[1,2,3],[3,4,5]])

Aber wie verwandle ich df wieder in eine Liste von Listen?

lol = df.what_to_do_now?
print lol
# [[1,2,3],[3,4,5]]

Sie können auf das zugrunde liegende Array zugreifen und dessen tolistMethode aufrufen :

>>> df = pd.DataFrame([[1,2,3],[3,4,5]])
>>> lol = df.values.tolist()
>>> lol
[[1L, 2L, 3L], [3L, 4L, 5L]]

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 DataFramein 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 NoneName 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]]

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_numpyund Series.to_numpyMethoden verwenden.

Das ist sehr einfach:

import numpy as np

list_of_lists = np.array(df)

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