Легко превратить список списков в фреймворк pandas:
import pandas as pd
df = pd.DataFrame([[1,2,3],[3,4,5]])
Но как мне превратить df обратно в список списков?
lol = df.what_to_do_now?
print lol
# [[1,2,3],[3,4,5]]
Легко превратить список списков в фреймворк pandas:
import pandas as pd
df = pd.DataFrame([[1,2,3],[3,4,5]])
Но как мне превратить df обратно в список списков?
lol = df.what_to_do_now?
print lol
# [[1,2,3],[3,4,5]]
Вы можете получить доступ к базовому массиву и вызвать его метод tolist
:
>>> df = pd.DataFrame([[1,2,3],[3,4,5]])
>>> lol = df.values.tolist()
>>> lol
[[1L, 2L, 3L], [3L, 4L, 5L]]
Если данные содержат метки столбцов и индексов, которые вы хотите сохранить, есть несколько вариантов.
Пример данных:
>>> 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
Метод tolist()
, описанный в других ответах, полезен, но дает только основные данные, которых может быть недостаточно, в зависимости от ваших потребностей.
>>> df.values.tolist()
[[1, 2, 3], [3, 4, 5]]
Один подход состоит в том, чтобы преобразовать DataFrame
в json, используя df.to_json()
, а затем снова проанализировать его. Это громоздко, но имеет некоторые преимущества, потому что метод to_json()
имеет несколько полезных опций.
>>> 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]]
}
Громоздкий, но может быть полезен.
Хорошей новостью является то, что довольно сложно создавать списки для столбцов и строк:
>>> columns = [df.index.name] + [i for i in df.columns]
>>> rows = [[i for i in row] for row in df.itertuples()]
Это дает:
>>> print(f"columns: {columns}\nrows: {rows}")
columns: [None, 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]
Если None
в качестве имени индекса назойливое, переименуйте его:
df = df.rename_axis('stage')
Тогда:
>>> 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]]
Я не знаю, соответствует ли это вашим потребностям, но вы также можете:
>>> lol = df.values
>>> lol
array([[1, 2, 3],
[3, 4, 5]])
Это всего лишь массив numpy из модуля ndarray, который позволяет вам выполнять все обычные операции с массивом numpy.
Я хотел сохранить индекс, поэтому я адаптировал исходный ответ к этому решению:
df.reset_index().values.tolist()
Теперь, чтобы воссоздать его где-то еще (например, в прошлом в вопросе):
pd.Dataframe(<data-printed-above>, columns=['name1', ...])
pd.set_index(['name1'], inplace=True)
Возможно, что-то изменилось, но это вернуло список ndarrays, которые сделали то, что мне было нужно.
list(df.values)