Pandas DataFrame到列表列表

将列表列表转换为pandas数据框很容易：

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

但是，如何将df重新变成列表列表？

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

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]]

如果数据具有要保留的列标签和索引标签，则有一些选项。

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

的 tolist()其他答案中描述方法很有用，但仅生成核心数据-可能还不够，具体取决于您的需求。

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

一种方法是使用将转换DataFrame为json df.to_json()，然后再次解析。这很麻烦，但确实具有一些优点，因为该to_json()方法具有一些有用的选项。

>>> 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，为列和行建立列表非常简单：

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

这样产生：

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

如果None索引的名称令人讨厌，则将其重命名：

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]]

我不知道它是否适合您的需求，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，可让您执行所有常见的numpy数组操作。

我想保留索引，因此我针对该解决方案调整了原始答案：

list_df = df.reset_index().values.tolist()

现在，您可以将其粘贴到其他位置（例如，粘贴到“堆栈溢出”问题中），然后重新创建它：

pd.Dataframe(list_df, columns=['name1', ...])
pd.set_index(['name1'], inplace=True)

也许情况有所改变，但这返回了ndarrays列表，可以满足我的需要。

list(df.values)

注意：我在堆栈溢出中看到了很多情况，其中完全不需要将Pandas Series或DataFrame转换为NumPy数组或纯Python列表。如果您不熟悉该库，请考虑仔细检查那些Pandas对象是否已经提供了所需的功能。

引用@jpp 的评论：

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不起作用，则可以使用内置的DataFrame.to_numpy和Series.to_numpy方法。

这很简单：

import numpy as np

list_of_lists = np.array(df)

我们可以使用DataFrame.iterrows（）函数遍历给定Dataframe的每一行，并根据每一行的数据构造一个列表：

# 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