Pandas DataFrame à la liste des listes

Il est facile de transformer une liste de listes en un dataframe pandas:

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

Mais comment puis-je transformer df en une liste de listes?

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

Vous pouvez accéder au tableau sous-jacent et appeler sa tolistméthode:

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

Si les données ont des étiquettes de colonne et d'index que vous souhaitez conserver, il existe quelques options.

Exemple de données:

>>> 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

La tolist()méthode décrite dans d'autres réponses est utile mais ne fournit que les données de base - ce qui peut ne pas suffire, selon vos besoins.

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

Une approche consiste à convertir le DataFrameen json en utilisant df.to_json(), puis à l'analyser à nouveau. Ceci est lourd mais présente certains avantages, car la to_json()méthode comporte des options utiles.

>>> 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]]
}

Lourd mais peut être utile.

La bonne nouvelle est qu'il est assez simple de créer des listes pour les colonnes et les lignes:

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

Cela donne:

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

Si le Nonenom de l'index est gênant, renommez-le:

df = df.rename_axis('stage')

Ensuite:

>>> 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]]

Je ne sais pas si cela répondra à vos besoins, mais vous pouvez aussi faire:

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

Ceci est juste un tableau numpy du module ndarray, qui vous permet de faire toutes les choses habituelles du tableau numpy.

Je voulais conserver l'index, j'ai donc adapté la réponse originale à cette solution:

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

Vous pouvez maintenant le coller ailleurs (par exemple pour le coller dans une question de Stack Overflow) et le recréer ultérieurement:

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

Peut-être que quelque chose a changé mais cela a rendu une liste de ndarrays qui ont fait ce dont j'avais besoin.

list(df.values)

Remarque: j'ai vu de nombreux cas sur Stack Overflow où la conversion d'une série Pandas ou d'un DataFrame en un tableau NumPy ou des listes Python simples est totalement inutile. Si vous êtes nouveau dans la bibliothèque, pensez à vérifier si la fonctionnalité dont vous avez besoin est déjà offerte par ces objets Pandas.

Pour citer un commentaire de @jpp:

En pratique , il n'est souvent pas nécessaire de convertir le tableau NumPy en une liste de listes.

Si un Pandas DataFrame / Series ne fonctionne pas, vous pouvez utiliser les méthodes intégrées DataFrame.to_numpyet Series.to_numpy.

C'est très simple:

import numpy as np

list_of_lists = np.array(df)

"df.values" renvoie un tableau numpy. Cela ne préserve pas les types de données. Un entier peut être converti en flottant.

df.iterrows () retourne une série qui ne garantit pas non plus la conservation des types de données. Voir: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iterrows.html

Le code ci-dessous se convertit en une liste de liste et préserve les types de données:

rows = [list(row) for row in df.itertuples()]

Nous pouvons utiliser la fonction DataFrame.iterrows () pour parcourir chacune des lignes du Dataframe donné et construire une liste à partir des données de chaque ligne:

# 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) 

Nous pouvons extraire avec succès chaque ligne de la trame de données donnée dans une liste