从熊猫数据框列获取列表

287

我有一个看起来像这样的Excel文档。

cluster load_date   budget  actual  fixed_price
A   1/1/2014    1000    4000    Y
A   2/1/2014    12000   10000   Y
A   3/1/2014    36000   2000    Y
B   4/1/2014    15000   10000   N
B   4/1/2014    12000   11500   N
B   4/1/2014    90000   11000   N
C   7/1/2014    22000   18000   N
C   8/1/2014    30000   28960   N
C   9/1/2014    53000   51200   N

我希望能够将第1列的内容-集群作为列表返回，因此我可以对其运行一个for循环，并为每个集群创建一个Excel工作表。

还可以将整行的内容返回到列表吗？例如

list = [], list[column1] or list[df.ix(row1)]
python  list  pandas 
— 吉塞里
source
9
拔出Pandas数据框列是一个Pandas系列，然后.tolist()可以将其转换为python列表
— Ben
4
从v0.24开始，.values将不再是访问底层numpy数组的首选方法。看到这个答案。
— cs95
重要说明：将Pandas系列转换为list或NumPy数组通常是不必要的，并且在OP的情况下几乎可以肯定。
— AMC
同样，对于这样一个琐碎的问题，也无需阅读过长的答案。df.to_numpy().tolist()对于大多数用例来说应该没问题。
— AMC

Answers:

492

拔出它们时，Pandas DataFrame列是Pandas Series，然后可以调用x.tolist()将其转换为Python列表。另外，您也可以使用list(x)。

import pandas as pd

data_dict = {'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
             'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(data_dict)

print(f"DataFrame:\n{df}\n")
print(f"column types:\n{df.dtypes}")

col_one_list = df['one'].tolist()

col_one_arr = df['one'].to_numpy()

print(f"\ncol_one_list:\n{col_one_list}\ntype:{type(col_one_list)}")
print(f"\ncol_one_arr:\n{col_one_arr}\ntype:{type(col_one_arr)}")

输出：

DataFrame:
   one  two
a  1.0    1
b  2.0    2
c  3.0    3
d  NaN    4

column types:
one    float64
two      int64
dtype: object

col_one_list:
[1.0, 2.0, 3.0, nan]
type:<class 'list'>

col_two_arr:
[ 1.  2.  3. nan]
type:<class 'numpy.ndarray'>
— 本
source
24
我无法理解文档的样式，因为它几乎总是直接的语法，在这里我需要语法和示例。例如，语法将是创建一个集合：使用set关键字和一个列表：随附示例：alist = df.cluster.tolist（）。在用这种方式写熊猫之前，我将一直在努力。它到了那里，现在有一些示例，但不是每种方法都适用。
— yoshiserry
谢谢@本，很好的答案！您能告诉我有关Dataframe方法的信息吗，我以前从未见过……好像您要将字典转换为df一样？df = DataFrame（d）？
— yoshiserry
制作数据框的默认方法之一是向其传递具有匹配键的字典列表。
— 2014年
2
@yoshiserry现在，大多数常用功能的语法和参数列表下方都在其文档中提供了示例用法。您还可以看到15分钟到达熊猫的更多入门级示例。
— cs95
2
@Ben我还没有看到您仍然对SO保持活跃，所以我想提一下，我对此答案提交了相当大的修改，所以让我知道您的想法:)
— AMC
53

这将返回一个numpy数组：

arr = df["cluster"].to_numpy()

这将返回一个唯一值的numpy数组：

unique_arr = df["cluster"].unique()

您也可以使用numpy来获取唯一值，尽管两种方法之间存在差异：

arr = df["cluster"].to_numpy()
unique_arr = np.unique(arr)
— 阿尼鲁德·班迪（Anirudh Bandi）
source
4

转换示例：

numpy数组->熊猫数据框->熊猫列中的列表

numpy数组

data = np.array([[10,20,30], [20,30,60], [30,60,90]])

将numpy数组转换为Panda数据框 

dataPd = pd.DataFrame(data = data)

print(dataPd)
0   1   2
0  10  20  30
1  20  30  60
2  30  60  90

转换一个熊猫框到列表

pdToList = list(dataPd['2'])

— 哈维
source
1
为什么要两次显示数组创建代码，好像它是解决方案的重要组成部分一样？实际上，为什么还要创建该数组呢？是不是df = pd.DataFrame(data=[[10, 20, 30], [20, 30, 60], [30, 60, 90]])更简单？另外，请注意遵循Python样式约定的变量名和空格。遍历列表作为证明究竟证明了什么？那是清单吗？
— AMC
2

由于这个问题引起了人们的广泛关注，并且有多种方法可以完成您的任务，所以让我提出几个选择。

顺便说一下，这些都是一线客；）

从...开始：

df
  cluster load_date budget actual fixed_price
0       A  1/1/2014   1000   4000           Y
1       A  2/1/2014  12000  10000           Y
2       A  3/1/2014  36000   2000           Y
3       B  4/1/2014  15000  10000           N
4       B  4/1/2014  12000  11500           N
5       B  4/1/2014  90000  11000           N
6       C  7/1/2014  22000  18000           N
7       C  8/1/2014  30000  28960           N
8       C  9/1/2014  53000  51200           N

潜在运营概述：

ser_aggCol (collapse each column to a list)
cluster          [A, A, A, B, B, B, C, C, C]
load_date      [1/1/2014, 2/1/2014, 3/1/2...
budget         [1000, 12000, 36000, 15000...
actual         [4000, 10000, 2000, 10000,...
fixed_price      [Y, Y, Y, N, N, N, N, N, N]
dtype: object


ser_aggRows (collapse each row to a list)
0     [A, 1/1/2014, 1000, 4000, Y]
1    [A, 2/1/2014, 12000, 10000...
2    [A, 3/1/2014, 36000, 2000, Y]
3    [B, 4/1/2014, 15000, 10000...
4    [B, 4/1/2014, 12000, 11500...
5    [B, 4/1/2014, 90000, 11000...
6    [C, 7/1/2014, 22000, 18000...
7    [C, 8/1/2014, 30000, 28960...
8    [C, 9/1/2014, 53000, 51200...
dtype: object


df_gr (here you get lists for each cluster)
                             load_date                 budget                 actual fixed_price
cluster                                                                                         
A        [1/1/2014, 2/1/2014, 3/1/2...   [1000, 12000, 36000]    [4000, 10000, 2000]   [Y, Y, Y]
B        [4/1/2014, 4/1/2014, 4/1/2...  [15000, 12000, 90000]  [10000, 11500, 11000]   [N, N, N]
C        [7/1/2014, 8/1/2014, 9/1/2...  [22000, 30000, 53000]  [18000, 28960, 51200]   [N, N, N]


a list of separate dataframes for each cluster

df for cluster A
  cluster load_date budget actual fixed_price
0       A  1/1/2014   1000   4000           Y
1       A  2/1/2014  12000  10000           Y
2       A  3/1/2014  36000   2000           Y

df for cluster B
  cluster load_date budget actual fixed_price
3       B  4/1/2014  15000  10000           N
4       B  4/1/2014  12000  11500           N
5       B  4/1/2014  90000  11000           N

df for cluster C
  cluster load_date budget actual fixed_price
6       C  7/1/2014  22000  18000           N
7       C  8/1/2014  30000  28960           N
8       C  9/1/2014  53000  51200           N

just the values of column load_date
0    1/1/2014
1    2/1/2014
2    3/1/2014
3    4/1/2014
4    4/1/2014
5    4/1/2014
6    7/1/2014
7    8/1/2014
8    9/1/2014
Name: load_date, dtype: object


just the values of column number 2
0     1000
1    12000
2    36000
3    15000
4    12000
5    90000
6    22000
7    30000
8    53000
Name: budget, dtype: object


just the values of row number 7
cluster               C
load_date      8/1/2014
budget            30000
actual            28960
fixed_price           N
Name: 7, dtype: object


============================== JUST FOR COMPLETENESS ==============================


you can convert a series to a list
['C', '8/1/2014', '30000', '28960', 'N']
<class 'list'>


you can convert a dataframe to a nested list
[['A', '1/1/2014', '1000', '4000', 'Y'], ['A', '2/1/2014', '12000', '10000', 'Y'], ['A', '3/1/2014', '36000', '2000', 'Y'], ['B', '4/1/2014', '15000', '10000', 'N'], ['B', '4/1/2014', '12000', '11500', 'N'], ['B', '4/1/2014', '90000', '11000', 'N'], ['C', '7/1/2014', '22000', '18000', 'N'], ['C', '8/1/2014', '30000', '28960', 'N'], ['C', '9/1/2014', '53000', '51200', 'N']]
<class 'list'>

the content of a dataframe can be accessed as a numpy.ndarray
[['A' '1/1/2014' '1000' '4000' 'Y']
 ['A' '2/1/2014' '12000' '10000' 'Y']
 ['A' '3/1/2014' '36000' '2000' 'Y']
 ['B' '4/1/2014' '15000' '10000' 'N']
 ['B' '4/1/2014' '12000' '11500' 'N']
 ['B' '4/1/2014' '90000' '11000' 'N']
 ['C' '7/1/2014' '22000' '18000' 'N']
 ['C' '8/1/2014' '30000' '28960' 'N']
 ['C' '9/1/2014' '53000' '51200' 'N']]
<class 'numpy.ndarray'>

码：

# prefix ser refers to pd.Series object
# prefix df refers to pd.DataFrame object
# prefix lst refers to list object

import pandas as pd
import numpy as np

df=pd.DataFrame([
        ['A',   '1/1/2014',    '1000',    '4000',    'Y'],
        ['A',   '2/1/2014',    '12000',   '10000',   'Y'],
        ['A',   '3/1/2014',    '36000',   '2000',    'Y'],
        ['B',   '4/1/2014',    '15000',   '10000',   'N'],
        ['B',   '4/1/2014',    '12000',   '11500',   'N'],
        ['B',   '4/1/2014',    '90000',   '11000',   'N'],
        ['C',   '7/1/2014',    '22000',   '18000',   'N'],
        ['C',   '8/1/2014',    '30000',   '28960',   'N'],
        ['C',   '9/1/2014',    '53000',   '51200',   'N']
        ], columns=['cluster', 'load_date',   'budget',  'actual',  'fixed_price'])
print('df',df, sep='\n', end='\n\n')

ser_aggCol=df.aggregate(lambda x: [x.tolist()], axis=0).map(lambda x:x[0])
print('ser_aggCol (collapse each column to a list)',ser_aggCol, sep='\n', end='\n\n\n')

ser_aggRows=pd.Series(df.values.tolist()) 
print('ser_aggRows (collapse each row to a list)',ser_aggRows, sep='\n', end='\n\n\n')

df_gr=df.groupby('cluster').agg(lambda x: list(x))
print('df_gr (here you get lists for each cluster)',df_gr, sep='\n', end='\n\n\n')

lst_dfFiltGr=[ df.loc[df['cluster']==val,:] for val in df['cluster'].unique() ]
print('a list of separate dataframes for each cluster', sep='\n', end='\n\n')
for dfTmp in lst_dfFiltGr:
    print('df for cluster '+str(dfTmp.loc[dfTmp.index[0],'cluster']),dfTmp, sep='\n', end='\n\n')

ser_singleColLD=df.loc[:,'load_date']
print('just the values of column load_date',ser_singleColLD, sep='\n', end='\n\n\n')

ser_singleCol2=df.iloc[:,2]
print('just the values of column number 2',ser_singleCol2, sep='\n', end='\n\n\n')

ser_singleRow7=df.iloc[7,:]
print('just the values of row number 7',ser_singleRow7, sep='\n', end='\n\n\n')

print('='*30+' JUST FOR COMPLETENESS '+'='*30, end='\n\n\n')

lst_fromSer=ser_singleRow7.tolist()
print('you can convert a series to a list',lst_fromSer, type(lst_fromSer), sep='\n', end='\n\n\n')

lst_fromDf=df.values.tolist()
print('you can convert a dataframe to a nested list',lst_fromDf, type(lst_fromDf), sep='\n', end='\n\n')

arr_fromDf=df.values
print('the content of a dataframe can be accessed as a numpy.ndarray',arr_fromDf, type(arr_fromDf), sep='\n', end='\n\n')

如所指出的cs95其他方法应优先于只大熊猫.values属性从大熊猫版本0.24上看到这里。我在这里使用它，因为大多数人（到2019年）仍将具有较旧的版本，该版本不支持新的建议。您可以使用print(pd.__version__)

— 马库斯·杜奇克（Markus Dutschke）
source
1

如果您的列只有一个值，pd.series.tolist()则将产生错误。为确保它适用于所有情况，请使用以下代码：

(
    df
        .filter(['column_name'])
        .values
        .reshape(1, -1)
        .ravel()
        .tolist()
)
— 拉明·梅里科夫（Ramin Melikov）
source
-1

假设读取excel工作表后数据框的名称为df，获取一个空列表（例如dataList），逐行遍历数据框，然后像以下内容一样追加到您的空列表中：

dataList = [] #empty list
for index, row in df.iterrows(): 
    mylist = [row.cluster, row.load_date, row.budget, row.actual, row.fixed_price]
    dataList.append(mylist)

要么，

dataList = [] #empty list
for row in df.itertuples(): 
    mylist = [row.cluster, row.load_date, row.budget, row.actual, row.fixed_price]
    dataList.append(mylist)

不，如果您打印dataList，则将在中获得每一行作为列表dataList。

— 娜塔莎（Natasha）
source
变量和函数名称应遵循lower_case_with_underscores样式。与现有解决方案相比，该解决方案有什么优势？另外，我真的不鼓励在Series和DataFrame上使用属性样式的访问。
— AMC
-1 
 amount = list()
    for col in df.columns:
        val = list(df[col])
        for v in val:
            amount.append(v)
— 坎兰考萨
source
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.