Pandas DataFrame in List of Lists

È facile trasformare un elenco di elenchi in un dataframe panda:

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

Ma come faccio a trasformare nuovamente df in un elenco di elenchi?

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

È possibile accedere all'array sottostante e chiamare il suo tolistmetodo:

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

Se i dati hanno etichette di colonna e indice che vuoi conservare, ci sono alcune opzioni.

Dati di esempio:

>>> 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

Il tolist()metodo descritto in altre risposte è utile ma fornisce solo i dati principali, che potrebbero non essere sufficienti, a seconda delle esigenze.

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

Un approccio consiste nel convertire il file DataFramein json utilizzando df.to_json()e quindi analizzarlo di nuovo. Questo è complicato ma presenta alcuni vantaggi, perché il to_json()metodo ha alcune opzioni utili.

>>> 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]]
}

Ingombrante ma può essere utile.

La buona notizia è che è abbastanza semplice creare elenchi per le colonne e le righe:

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

Questo produce:

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

Se il Nonenome dell'indice è fastidioso, rinominalo:

df = df.rename_axis('stage')

Poi:

>>> 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]]

Non so se soddisferà le tue esigenze, ma puoi anche fare:

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

Questo è solo un array numpy dal modulo ndarray, che ti permette di fare tutte le solite cose dell'array numpy.

Volevo preservare l'indice, quindi ho adattato la risposta originale a questa soluzione:

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

Ora puoi incollarlo da qualche altra parte (ad esempio per incollarlo in una domanda Stack Overflow) e poi ricrearlo:

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

Forse qualcosa è cambiato, ma questo ha restituito un elenco di ndarrays che hanno fatto ciò di cui avevo bisogno.

list(df.values)

Nota: ho visto molti casi su Stack Overflow in cui la conversione di una serie Pandas o DataFrame in un array NumPy o in semplici elenchi Python non è del tutto necessaria. Se sei nuovo nella libreria, considera di ricontrollare se la funzionalità di cui hai bisogno è già offerta da quegli oggetti Pandas.

Per citare un commento di @jpp:

In pratica , spesso non è necessario convertire l'array NumPy in un elenco di elenchi.

Se un DataFrame / serie di Pandas non funziona, puoi utilizzare i metodi DataFrame.to_numpye incorporati Series.to_numpy.

Questo è molto semplice:

import numpy as np

list_of_lists = np.array(df)

Possiamo usare la funzione DataFrame.iterrows () per iterare su ciascuna delle righe del Dataframe dato e costruire un elenco dai dati di ogni riga:

# 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) 

Possiamo estrarre con successo ogni riga del data frame dato in un elenco