关于python：要列出的Pandas DataFrame


Pandas DataFrame to list

本问题已经有最佳答案，请猛点这里访问。

我正在根据满足另一列中的条件从一列中提取数据的子集。

我可以得到正确的值，但它在pandas.core.frame.dataframe中。如何将其转换为列表？

1
2
3
4
5
6
7
import pandas as pd

tst = pd.read_csv('C:\\SomeCSV.csv')

lookupValue = tst['SomeCol'] =="SomeValue"
ID = tst[lookupValue][['SomeCol']]
#How To convert ID to a list
相关讨论

用.values得到一个numpy.array，然后用.tolist()得到一个列表。

例如：

1
2
3
import pandas as pd
df = pd.DataFrame({'a':[1,3,5,7,4,5,6,4,7,8,9],
                   'b':[3,5,6,2,4,6,7,8,7,8,9]})

结果：

1
2
>>> df['a'].values.tolist()
[1, 3, 5, 7, 4, 5, 6, 4, 7, 8, 9]

或者你可以只用

1
2
>>> df['a'].tolist()
[1, 3, 5, 7, 4, 5, 6, 4, 7, 8, 9]

要删除重复项，可以执行以下操作之一：

1
2
3
4
>>> df['a'].drop_duplicates().values.tolist()
[1, 3, 5, 7, 4, 6, 8, 9]
>>> list(set(df['a'])) # as pointed out by EdChum
[1, 3, 4, 5, 6, 7, 8, 9]
相关讨论

我想澄清一些事情：

  • 正如其他答案所指出的，最简单的事情就是使用pandas.Series.tolist()。我不知道为什么最热门的答案首先使用pandas.Series.values.tolist()，因为据我所知，它增加了语法/混乱，没有额外的好处。
  • tst[lookupValue][['SomeCol']]是一个数据帧(如问题)，而不是一个系列(如对问题的评论中所述)。这是因为tst[lookupValue]是一个数据帧，用[['SomeCol']]进行切片需要列的列表(该列表的长度恰好为1)，导致返回数据帧。如果你移除额外的一组支架，如tst[lookupValue]['SomeCol']，那你就要那个列而不是列列表，因此您可以返回一个序列。
  • 你需要一个系列来使用pandas.Series.tolist()，所以你应该在这种情况下，一定要跳过第二组括号。如果你最终会得到一个不易避免的单列数据帧这样，您可以使用pandas.DataFrame.squeeze()将其转换为一系列。
  • tst[lookupValue]['SomeCol']通过链式切片。它只切片一次以获得只有特定行的数据帧左边，然后它再次切片以得到某个列。你可以得到既然你只是在读，而不是在写，那就把它拿走吧，但是正确的方法是tst.loc[lookupValue, 'SomeCol'](它返回一个序列)。
  • 使用4中的语法，您可以在一行中合理地完成所有操作：ID = tst.loc[tst['SomeCol'] == 'SomeValue', 'SomeCol'].tolist()。

    • 演示代码：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    import pandas as pd
    df = pd.DataFrame({'colA':[1,2,1],
                       'colB':[4,5,6]})
    filter_value = 1

    print"df"
    print df
    print type(df)

    rows_to_keep = df['colA'] == filter_value
    print"
    df['colA'] == filter_value"
    print rows_to_keep
    print type(rows_to_keep)

    result = df[rows_to_keep]['colB']
    print"
    df[rows_to_keep]['colB']"
    print result
    print type(result)

    result = df[rows_to_keep][['colB']]
    print"
    df[rows_to_keep][['colB']]"
    print result
    print type(result)

    result = df[rows_to_keep][['colB']].squeeze()
    print"
    df[rows_to_keep][['colB']].squeeze()"
    print result
    print type(result)

    result = df.loc[rows_to_keep, 'colB']
    print"
    df.loc[rows_to_keep, 'colB']"
    print result
    print type(result)

    result = df.loc[df['colA'] == filter_value, 'colB']
    print"
    df.loc[df['colA'] == filter_value, 'colB']"
    print result
    print type(result)

    ID = df.loc[rows_to_keep, 'colB'].tolist()
    print"
    df.loc[rows_to_keep, 'colB'].tolist()"
    print ID
    print type(ID)

    ID = df.loc[df['colA'] == filter_value, 'colB'].tolist()
    print"
    df.loc[df['colA'] == filter_value, 'colB'].tolist()"
    print ID
    print type(ID)

    结果：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    df
       colA  colB
    0     1     4
    1     2     5
    2     1     6
    <class 'pandas.core.frame.DataFrame'>

    df['colA'] == filter_value
    0     True
    1    False
    2     True
    Name: colA, dtype: bool
    <class 'pandas.core.series.Series'>

    df[rows_to_keep]['colB']
    0    4
    2    6
    Name: colB, dtype: int64
    <class 'pandas.core.series.Series'>

    df[rows_to_keep][['colB']]
       colB
    0     4
    2     6
    <class 'pandas.core.frame.DataFrame'>

    df[rows_to_keep][['colB']].squeeze()
    0    4
    2    6
    Name: colB, dtype: int64
    <class 'pandas.core.series.Series'>

    df.loc[rows_to_keep, 'colB']
    0    4
    2    6
    Name: colB, dtype: int64
    <class 'pandas.core.series.Series'>

    df.loc[df['colA'] == filter_value, 'colB']
    0    4
    2    6
    Name: colB, dtype: int64
    <class 'pandas.core.series.Series'>

    df.loc[rows_to_keep, 'colB'].tolist()
    [4, 6]
    <type 'list'>

    df.loc[df['colA'] == filter_value, 'colB'].tolist()
    [4, 6]
    <type 'list'>

    您可以使用pandas.Series.tolist。

    例如。：

    1
    2
    import pandas as pd
    df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})

    运行：

    1
    >>> df['a'].tolist()

    你会得到

    1
    >>> [1, 2, 3]

    如果所有数据都是相同的数据类型，那么上述解决方案是很好的。numpy数组是同类容器。当您执行df.values时，输出为numpy array。因此，如果数据中有int和float，那么输出将要么有int或float，列将释放其原始数据类型。考虑DF

    1
    2
    3
    4
    5
    6
    7
    a  b
    0  1  4
    1  2  5
    2  3  6

    a    float64
    b    int64

    因此，如果要保留原始数据类型，可以执行如下操作

    1
    2
    row_list = df.to_csv(None, header=False, index=False).split('
    '    )

    这将以字符串的形式返回每一行。

    1
    ['1.0,4', '2.0,5', '3.0,6', '']

    然后拆分每一行以获取列表列表。拆分后的每个元素都是Unicode。我们需要转换它所需的数据类型。

    1
    2
    3
    4
    5
    6
    7
    def f(row_str):
      row_list = row_str.split(',')
      return [float(row_list[0]), int(row_list[1])]

    df_list_of_list = map(f, row_list[:-1])

    [[1.0, 4], [2.0, 5], [3.0, 6]]
    相关讨论