pandas抽取行列数据

源于: 执行类代码 – ExcelExtractionClass.py – 函数contact_excel


取行和列的几种常用方式:

data[ 列名 ]: 取单列或多列,不能用连续方式取,也不能用于取行。
data.列名: 只用于取单列,不能用于行。
data[ i:j ]: 用起始行下标(i)和终止行下标(j)取单行或者连续多行,不能用于列的选取。
data.loc[行名,列名]: 用对象的.loc[]方法实现各种取数据方式。
data.iloc[行下标,列下标]: 用对象的.iloc[]方法实现各种取数据方式。


首先生成一个DataFrame对象:
import pandas as pd
score = [[34,67,87],[68,98,58],[75,73,86],[94,59,81]]
name = ['小新','小红','小李']
course = ['语文','数学','英语'
### 如何使用 Pandas 将 DataFrame 转换为 Python 列表 在 Pandas 中,有多种方式可以将 `DataFrame` 转换为 Python 原生的列表形式。以下是几种常见的方法及其具体实现: #### 方法一:使用 `to_numpy()` 和 `.tolist()` 通过调用 `to_numpy()` 方法可将 `DataFrame` 转换为 NumPy 数组,再利用 `.tolist()` 方法将其进一步转换为嵌套列表的形式。 ```python import pandas as pd df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) list_from_to_numpy = df.to_numpy().tolist() print("列表 from to_numpy():", list_from_to_numpy) ``` 这种方法适用于希望保留原始二维结构的情况[^1]。 --- #### 方法二:使用 `values` 属性和 `.tolist()` `values` 是一种更传统的访问底层数据的方式,它返回的是一个 NumPy 数组表示的数据对象。随后可以通过 `.tolist()` 进一步转化为标准的 Python 列表。 ```python import pandas as pd df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) list_from_values = df.values.tolist() print("列表 from values:", list_from_values) ``` 此方法同样能够保持原表格中的行列关系不变[^2]。 --- #### 方法三:基于列名逐列提并转成单维列表 如果只需要某些特定列的内容作为单独的一维列表,则可以直接选对应 Series 并应用其自身的 `.tolist()` 函数完成操作。 ```python col_A_as_list = df['A'].tolist() print("单一维度 A 列列表:", col_A_as_list) col_B_as_list = df['B'].tolist() print("单一维度 B 列列表:", col_B_as_list) ``` 这种方式适合于处理那些仅需关注某几项字段值而不关心整体布局的应用场景。 --- #### 总结说明 上述三种途径各有侧重——当追求简洁高效时可以选择前两者;而针对精细化需求则推荐第三种做法即按需抽取目标信息形成简单线性序列。无论采哪条路径都应考虑到实际业务逻辑以及后续计算环节可能带来的影响从而做出合理判断。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值