Respostas:
Você pode acessar a matriz subjacente e chamar seu tolist
método:
>>> df = pd.DataFrame([[1,2,3],[3,4,5]])
>>> lol = df.values.tolist()
>>> lol
[[1L, 2L, 3L], [3L, 4L, 5L]]
df.to_numpy().tolist()
.
Se os dados tiverem rótulos de coluna e índice que você deseja preservar, existem algumas opções.
Dados de exemplo:
>>> 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
O tolist()
método descrito em outras respostas é útil, mas produz apenas os dados principais - o que pode não ser suficiente, dependendo de suas necessidades.
>>> df.values.tolist()
[[1, 2, 3], [3, 4, 5]]
Uma abordagem é converter o DataFrame
para json usando df.to_json()
e, em seguida, analisá-lo novamente. Isso é complicado, mas tem algumas vantagens, porque o to_json()
método tem algumas opções úteis.
>>> 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]]
}
Pesado, mas pode ser útil.
A boa notícia é que é muito simples construir listas para as colunas e linhas:
>>> columns = [df.index.name] + [i for i in df.columns]
>>> rows = [[i for i in row] for row in df.itertuples()]
Isso produz:
>>> print(f"columns: {columns}\nrows: {rows}")
columns: [None, 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]
Se o None
como o nome do índice for incômodo, renomeie-o:
df = df.rename_axis('stage')
Então:
>>> 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]]
DataFrame.itertuples()
ou DataFrame.to_records()
para tudo isso?
Não sei se atenderá às suas necessidades, mas você também pode fazer:
>>> lol = df.values
>>> lol
array([[1, 2, 3],
[3, 4, 5]])
Este é apenas um array numpy do módulo ndarray, que permite que você faça todas as coisas normais do array numpy.
Eu queria preservar o índice, então adaptei a resposta original para esta solução:
list_df = df.reset_index().values.tolist()
Agora você pode colá-lo em outro lugar (por exemplo, para colar em uma pergunta do Stack Overflow) e depois recriá-lo:
pd.Dataframe(list_df, columns=['name1', ...])
pd.set_index(['name1'], inplace=True)
Talvez algo tenha mudado, mas isso me deu uma lista de ndarrays que fazia o que eu precisava.
list(df.values)
Observação: eu vi muitos casos no Stack Overflow em que a conversão de uma série Pandas ou DataFrame em uma matriz NumPy ou listas Python simples é totalmente desnecessária. Se você é novo na biblioteca, considere verificar se a funcionalidade de que você precisa já é oferecida por esses objetos Pandas.
Para citar um comentário de @jpp:
Na prática , geralmente não há necessidade de converter a matriz NumPy em uma lista de listas.
Se um DataFrame / Series do Pandas não funcionar, você pode usar os métodos DataFrame.to_numpy
e integrados Series.to_numpy
.
for elem in some_series.values.tolist():
porque eles não sabem que você pode iterar sobre os elementos de uma série. Não tenho certeza do que há de tão terrível nessa resposta.
Podemos usar a função DataFrame.iterrows () para iterar sobre cada uma das linhas do Dataframe fornecido e construir uma lista com os dados de cada linha:
# 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)
Podemos extrair com sucesso cada linha do quadro de dados fornecido em uma lista
L
s anexados na saída?