Pandas DataFrame 到列表列表
Pandas DataFrame to List of Lists
将列表的列表转换为 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 转回列表列表?
lol = df.what_to_do_now?
print lol
# [[1,2,3],[3,4,5]]
您可以访问底层数组并调用其 tolist
方法:
>>> df = pd.DataFrame([[1,2,3],[3,4,5]])
>>> lol = df.values.tolist()
>>> lol
[[1L, 2L, 3L], [3L, 4L, 5L]]
我不知道它是否适合你的需要,但你也可以这样做:
>>> lol = df.values
>>> lol
array([[1, 2, 3],
[3, 4, 5]])
这只是 ndarray 模块中的一个 numpy 数组,它可以让您执行所有常见的 numpy 数组操作。
如果数据有您想要保留的列和索引标签,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,但仅产生核心数据 - 这可能还不够,具体取决于您的需要。
>>> df.values.tolist()
[[1, 2, 3], [3, 4, 5]]
一种方法是使用 df.to_json()
将 DataFrame
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]]
}
麻烦但可能有用。
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()]
这产生:
>>> print(f"columns: {columns}\nrows: {rows}")
columns: [None, 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]
如果索引的名字None
嫌麻烦,重命名为:
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]]
我想保留索引,所以我将原来的答案改编成这个解决方案:
list_df = df.reset_index().values.tolist()
现在您可以将它粘贴到其他地方(例如粘贴到 Stack Overflow 问题中),然后重新创建它:
pd.Dataframe(list_df, columns=['name1', ...])
pd.set_index(['name1'], inplace=True)
也许有些事情发生了变化,但这返回了一个 ndarrays 列表,它满足了我的需要。
list(df.values)
注意: 我在 Stack Overflow 上看到很多案例,其中将 Pandas 系列或 DataFrame 转换为 NumPy 数组或普通 Python 列表完全是不必要的。如果您是该库的新手,请考虑仔细检查这些 Pandas 对象是否已经提供了您需要的功能。
引用@jpp 的:
In practice, there's often no need to convert the NumPy array into a list of lists.
如果 Pandas DataFrame/Series 不起作用,您可以使用内置的 DataFrame.to_numpy
and Series.to_numpy
方法。
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建一个列表:
# 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框的每一行提取到列表中
这很简单:
import numpy as np
list_of_lists = np.array(df)
"df.values" returns 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() returns 一系列也不能保证保留数据类型。参见:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iterrows.html
下面的代码转换为列表的列表并保留数据类型:
rows = [list(row) for row in df.itertuples()]
如果您希望将 Pandas DataFrame
转换为 table(列表列表)并包含 header 列,这应该可行:
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']]
- 目前提出的解决方案存在“重新发明轮子”的方法。引用 @AMC:
If you're new to the library, consider double-checking whether the functionality you need is already offered by those Pandas objects.
- 如果将数据框转换为列表列表,您将丢失信息 - 即索引和列名称。
我的解决方案:使用to_dict()
dict_of_lists = df.to_dict(orient='split')
这将为您提供一个包含三个列表的字典:index
、columns
、data
。如果你决定你真的不需要列和索引名称,你可以使用
获取数据
dict_of_lists['data']
我遇到了这个问题:如何让 df 的 headers 位于第 0 行,以便将它们写入 excel 的第 1 行(使用 xlsxwriter)? None 的建议解决方案有效,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()
与问题不太相关,但有相同期望的另一种口味
在 Plotly
中使用 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())
将列表的列表转换为 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 转回列表列表?
lol = df.what_to_do_now?
print lol
# [[1,2,3],[3,4,5]]
您可以访问底层数组并调用其 tolist
方法:
>>> df = pd.DataFrame([[1,2,3],[3,4,5]])
>>> lol = df.values.tolist()
>>> lol
[[1L, 2L, 3L], [3L, 4L, 5L]]
我不知道它是否适合你的需要,但你也可以这样做:
>>> lol = df.values
>>> lol
array([[1, 2, 3],
[3, 4, 5]])
这只是 ndarray 模块中的一个 numpy 数组,它可以让您执行所有常见的 numpy 数组操作。
如果数据有您想要保留的列和索引标签,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,但仅产生核心数据 - 这可能还不够,具体取决于您的需要。
>>> df.values.tolist()
[[1, 2, 3], [3, 4, 5]]
一种方法是使用 df.to_json()
将 DataFrame
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]]
}
麻烦但可能有用。
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()]
这产生:
>>> print(f"columns: {columns}\nrows: {rows}")
columns: [None, 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]
如果索引的名字None
嫌麻烦,重命名为:
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]]
我想保留索引,所以我将原来的答案改编成这个解决方案:
list_df = df.reset_index().values.tolist()
现在您可以将它粘贴到其他地方(例如粘贴到 Stack Overflow 问题中),然后重新创建它:
pd.Dataframe(list_df, columns=['name1', ...])
pd.set_index(['name1'], inplace=True)
也许有些事情发生了变化,但这返回了一个 ndarrays 列表,它满足了我的需要。
list(df.values)
注意: 我在 Stack Overflow 上看到很多案例,其中将 Pandas 系列或 DataFrame 转换为 NumPy 数组或普通 Python 列表完全是不必要的。如果您是该库的新手,请考虑仔细检查这些 Pandas 对象是否已经提供了您需要的功能。
引用@jpp 的
In practice, there's often no need to convert the NumPy array into a list of lists.
如果 Pandas DataFrame/Series 不起作用,您可以使用内置的 DataFrame.to_numpy
and Series.to_numpy
方法。
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建一个列表:
# 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框的每一行提取到列表中
这很简单:
import numpy as np
list_of_lists = np.array(df)
"df.values" returns 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() returns 一系列也不能保证保留数据类型。参见:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iterrows.html
下面的代码转换为列表的列表并保留数据类型:
rows = [list(row) for row in df.itertuples()]
如果您希望将 Pandas DataFrame
转换为 table(列表列表)并包含 header 列,这应该可行:
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']]
- 目前提出的解决方案存在“重新发明轮子”的方法。引用 @AMC:
If you're new to the library, consider double-checking whether the functionality you need is already offered by those Pandas objects.
- 如果将数据框转换为列表列表,您将丢失信息 - 即索引和列名称。
我的解决方案:使用to_dict()
dict_of_lists = df.to_dict(orient='split')
这将为您提供一个包含三个列表的字典:index
、columns
、data
。如果你决定你真的不需要列和索引名称,你可以使用
dict_of_lists['data']
我遇到了这个问题:如何让 df 的 headers 位于第 0 行,以便将它们写入 excel 的第 1 行(使用 xlsxwriter)? None 的建议解决方案有效,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()
与问题不太相关,但有相同期望的另一种口味
在 Plotly
中使用 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())