Question

将列表列表转换为pandas数据帧很容易：

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

但是如何将df变回列表列表？

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

Answer 1

您可以访问基础数组并调用其tolist方法：

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

Answer 2

如果数据包含您要保留的列和索引标签，则有几个选项。

示例数据：

>>> 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

其他答案中描述的tolist()方法很有用，但只产生核心数据 - 这可能还不够，具体取决于您的需求。

>>> df.values.tolist()
[[1, 2, 3], [3, 4, 5]]

一种方法是使用DataFrame将df.to_json()转换为json，然后再次解析它。这很麻烦但确实有一些优点，因为to_json()方法有一些有用的选项。

>>> 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]]
}

繁琐但可能有用。

好消息是，为列和行构建列表非常简单：

>>> columns = [df.index.name] + [i for i in df.columns]
>>> rows = [[i for i in row] for row in df.itertuples()]

这会产生：

>>> print(f"columns: {columns}\nrows: {rows}") 
columns: [None, 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]

如果None作为索引的名称很麻烦，请重命名：

df = df.rename_axis('stage')

然后：

>>> 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]]

Answer 3

我不知道它是否符合您的需求，但您也可以这样做：

>>> lol = df.values
>>> lol
array([[1, 2, 3],
       [3, 4, 5]])

这只是ndarray模块中的一个numpy数组，它可以让你完成所有常见的numpy数组事务。

Answer 4

我想保留索引，因此我将原始答案修改为该解决方案：

df.reset_index().values.tolist()

现在可以在其他地方重新创建它（例如，在Stack Overflow问题中过去）：

pd.Dataframe(<data-printed-above>, columns=['name1', ...])
pd.set_index(['name1'], inplace=True)

Answer 5

注意：我在Stack Overflow上看到过很多案例，其中完全不需要将Pandas Series或DataFrame转换为NumPy数组或纯Python列表。如果您是图书馆的新手，请考虑仔细检查那些Pandas对象是否已经提供了所需的功能。

用@jpp引用comment：

在实践中，通常不需要将NumPy数组转换为列表列表。

如果Pandas DataFrame / Series无法工作，则可以使用内置的DataFrame.to_numpy和Series.to_numpy方法。

Answer 6

“ df.values”返回一个numpy数组。这不会保留数据类型。整数可能会转换为浮点数。

df.iterrows（）返回一个序列，该序列也不保证保留数据类型。参见：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iterrows.html

下面的代码将转换为列表列表并保留数据类型：

onclick='document.getElementById("demo").innerText = "Hello World";'

Answer 7

我遇到了这个问题：如何让 df 的标题位于第 0 行，以便将它们写入 Excel 中的第 1 行（使用 xlsxwriter）？提出的解决方案都没有奏效，但它们为我指明了正确的方向。我只需要多一行代码

# get csv data
df = pd.read_csv(filename)

# combine column headers and list of lists of values
lol = [df.columns.tolist()] + df.values.tolist()

Answer 8

与问题不太相关，但具有相同期望的另一种口味

使用 Plotly 中的 create_distplot 将数据框系列转换为列表列表以绘制图表

    hist_data=[]
    hist_data.append(map_data['Population'].to_numpy().tolist())

Answer 9

也许有些变化，但这会返回一个满足我需要的ndarrays列表。

list(df.values)

Answer 10

我们可以使用DataFrame.iterrows（）函数遍历给定Dataframe的每一行，并从每一行的数据中构造一个列表：

# 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)

我们可以成功地将给定数据帧的每一行提取到一个列表中

Answer 11

这很简单：

import numpy as np

list_of_lists = np.array(df)

Answer 12

如果您希望将Pandas DataFrame转换为表（列表列表）并包含标题列，则此方法应该起作用：

import pandas as pd
def dfToTable(df:pd.DataFrame) -> list:
    return [list(df.columns)] + df.values.tolist()

用法（在REPL中）：

>>> df = pd.DataFrame(
             [["r1c1","r1c2","r1c3"],["r2c1","r2c2","r3c3"]]
             , columns=["c1", "c2", "c3"])
>>> df
     c1    c2    c3
0  r1c1  r1c2  r1c3
1  r2c1  r2c2  r3c3
>>> dfToTable(df)
[['c1', 'c2', 'c3'], ['r1c1', 'r1c2', 'r1c3'], ['r2c1', 'r2c2', 'r3c3']]

Answer 13

到目前为止，提出的解决方案受“重新发明轮子”的困扰。引用@AMC：

如果您是图书馆的新手，请考虑仔细检查那些Pandas对象是否已经提供了所需的功能。

如果将数据框转换为列表列表，则会丢失信息-即索引和列名。

我的解决方案：使用to_dict()

dict_of_lists = df.to_dict(orient='split')

这将为您提供包含三个列表的字典：index，columns，data。如果您确定确实不需要列名和索引名，则可以使用

dict_of_lists['data']

Pandas DataFrame到列表列表

13 个答案: