33_Pandas.DataFrame，Series和Python标准列表的相互转换

33_Pandas.DataFrame，Series和Python标准列表的相互转换

pandas.DataFrame，pandas.Series和Python标准list类型列表可以相互转换。

这里，将描述以下内容。

• 将list类型列表转换为pandas.DataFrame，pandas.Series
  • 对于仅数据列表
  • 对于包含数据和标签（行/列名）的列表
• 将pandas.DataFrame，pandas.Series转换为列表类型列表
  • 将数据部分转换为列表类型列表
  • 将数据部分和标签（行名/列名）转换为列表类型列表
  • 将标签（行名/列名）转换为列表类型列表

为了方便起见，使用了“转换”一词，但实际上，原始对象保持不变，并创建了一种新型的对象。

有关在在pandas.DataFrame，pandas.Series和numPy数组numpy.ndarray之间进行转换的信息，请参见以下文章。

• 31_Pandas.DataFrame，Series和NumPy数组ndarray相互转换

将list类型列表转换为pandas.DataFrame，pandas.Series

对于仅数据列表

如果将列表类型对象传递给每个构造函数pandas.DataFrame（）和pandas.Series（）的第一个参数，则会基于该列表生成pandas.DataFrame和pandas.Series。

从一维列表生成pandas.Series的示例。也可以使用index参数指定标签。

import pandas as pd

l_1d = [0, 1, 2]

s = pd.Series(l_1d)
print(s)
# 0    0
# 1    1
# 2    2
# dtype: int64

s = pd.Series(l_1d, index=['row1', 'row2', 'row3'])
print(s)
# row1    0
# row2    1
# row3    2
# dtype: int64

从二维数组（列表列表）生成pandas.DataFrame的示例。您还可以使用参数索引指定行名（行标签），并使用参数列指定列名（列标签）。

l_2d = [[0, 1, 2], [3, 4, 5]]

df = pd.DataFrame(l_2d)
print(df)
#    0  1  2
# 0  0  1  2
# 1  3  4  5

df = pd.DataFrame(l_2d,
                  index=['row1', 'row2'],
                  columns=['col1', 'col2', 'col3'])
print(df)
#       col1  col2  col3
# row1     0     1     2
# row2     3     4     5

在生成pandas.DataFrame和pandas.Series之后，也可以通过更新索引和列属性来设置/更改行名/列名。

• 01_Pandas.DataFrame的行名和列名的修改

对于包含数据和标签（行/列名）的列表

从成对的标签和值列表生成pandas.Series。

将其分解为标签数组和值数组，并将其作为参数传递给pandas.Series（）。有关使用*和zip（）进行处理的详细信息，请参见以下文章。

• 14_Pandas.DataFrame行和列的转置

l_1d_index = [['Alice', 0], ['Bob', 1], ['Charlie', 2]]

index, value = zip(*l_1d_index)
print(index)
# ('Alice', 'Bob', 'Charlie')

print(value)
# (0, 1, 2)

s_index = pd.Series(value, index=index)
print(s_index)
# Alice      0
# Bob        1
# Charlie    2
# dtype: int64

同样，如果要从标签列表和多个值生成pandas.DataFrame。

可以像上面提到的pandas.Series那样分解数组，但是更容易读取整个数组，然后使用set_index（）方法指定索引列。

• 22_Pandas.DataFrame,重置列的行名(set_index）

l_2d_index = [['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]]

df_index = pd.DataFrame(l_2d_index, columns=['name', 'val1', 'val2'])
print(df_index)
#       name  val1  val2
# 0    Alice     0   0.0
# 1      Bob     1   0.1
# 2  Charlie     2   0.2

df_index_set = df_index.set_index('name')
print(df_index_set)
#          val1  val2
# name               
# Alice       0   0.0
# Bob         1   0.1
# Charlie     2   0.2

将第一行指定为列，将第二行和后续行指定为第一个参数。

l_2d_index_columns = [['name', 'val1', 'val2'], ['Alice', 0, 0.0], ['Bob', 1, 0.1], ['Charlie', 2, 0.2]]

df_index_columns = pd.DataFrame(l_2d_index_columns[1:], columns=l_2d_index_columns[0])
print(df_index_columns)
#       name  val1  val2
# 0    Alice     0   0.0
# 1      Bob     1   0.1
# 2  Charlie     2   0.2

df_index_columns_set = df_index_columns.set_index('name')
print(df_index_columns_set)
#          val1  val2
# name               
# Alice       0   0.0
# Bob         1   0.1
# Charlie     2   0.2

将pandas.DataFrame，pandas.Series转换为列表类型列表

将数据部分转换为列表类型列表

由于没有方法可以将pandas.DataFrame和pandas.Series直接转换为列表类型，因此可以使用Narray的ndarray的ndarray的ndarray的tolist（）方法将其转换为列表，该数组可以使用值属性获取。

• 31_Pandas.DataFrame，Series和NumPy数组ndarray相互转换

s = pd.Series([0, 1, 2])
print(s)
# 0    0
# 1    1
# 2    2
# dtype: int64

l_1d = s.values.tolist()
print(l_1d)
# [0, 1, 2]

df = pd.DataFrame([[0, 1, 2], [3, 4, 5]])
print(df)
#    0  1  2
# 0  0  1  2
# 1  3  4  5

l_2d = df.values.tolist()
print(l_2d)
# [[0, 1, 2], [3, 4, 5]]

在值属性中，即使有标签（行名，列名），也将被忽略。

s_index = pd.Series([0, 1, 2], index=['row1', 'row2', 'row3'])
print(s_index)
# row1    0
# row2    1
# row3    2
# dtype: int64

l_1d = s_index.values.tolist()
print(l_1d)
# [0, 1, 2]

df_index = pd.DataFrame([[0, 1, 2], [3, 4, 5]],
                        index=['row1', 'row2'],
                        columns=['col1', 'col2', 'col3'])
print(df_index)
#       col1  col2  col3
# row1     0     1     2
# row2     3     4     5

l_2d = df_index.values.tolist()
print(l_2d)
# [[0, 1, 2], [3, 4, 5]]

将数据部分和标签（行名/列名）转换为列表类型列表

如果要将标签保留为列表数据，请使用reset_index（）方法重置索引列，使其成为数据列。

l_1d_index = s_index.reset_index().values.tolist()
print(l_1d_index)
# [['row1', 0], ['row2', 1], ['row3', 2]]

没有方法可以重置列名（列标签），因此，如果要将行名和列名都保留为pandas.DataFrame中的列表数据，请应用reset_index（）方法，然后使用.T和reset_index（reset_index（） ）应用方法，然后使用.T撤消。

l_2d_index = df_index.reset_index().values.tolist()
print(l_2d_index)
# [['row1', 0, 1, 2], ['row2', 3, 4, 5]]

l_2d_index_columns = df_index.reset_index().T.reset_index().T.values.tolist()
print(l_2d_index_columns)
# [['index', 'col1', 'col2', 'col3'], ['row1', 0, 1, 2], ['row2', 3, 4, 5]]

将标签（行名/列名）转换为列表类型列表

如果仅要将标签转换为列表，请对pandas.Series使用index属性。 index属性是Index类型（在默认序列号的情况下为RangeIndex类型），并且准备了tolist（）方法。

print(s_index)
# row1    0
# row2    1
# row3    2
# dtype: int64

print(s_index.index)
# Index(['row1', 'row2', 'row3'], dtype='object')

print(type(s_index.index))
# <class 'pandas.core.indexes.base.Index'>

print(s_index.index.tolist())
# ['row1', 'row2', 'row3']

print(type(s_index.index.tolist()))
# <class 'list'>

同样，对于pandas.DataFrame，行标签（行名）使用index属性，而列标签（列名）使用columns属性。两者都是索引类型。

print(df_index)
#       col1  col2  col3
# row1     0     1     2
# row2     3     4     5

print(df_index.index)
# Index(['row1', 'row2'], dtype='object')

print(df_index.index.tolist())
# ['row1', 'row2']

print(df_index.columns)
# Index(['col1', 'col2', 'col3'], dtype='object')

print(df_index.columns.tolist())
# ['col1', 'col2', 'col3']

对于Index类型，可以使用for语句直接获取元素，也可以使用[]指定位置以获取元素。可以使用切片，但不能更改元素。

for i in s_index.index:
    print(i, type(i))
# row1 <class 'str'>
# row2 <class 'str'>
# row3 <class 'str'>

print(s_index.index[0])
# row1

print(s_index.index[:2])
# Index(['row1', 'row2'], dtype='object')

# s_index.index[0] = 'ROW1'
# TypeError: Index does not support mutable operations

如果要更改索引和列的元素（行名/列名），请使用rename（）。

• 01_Pandas.DataFrame的行名和列名的修改