如果你想使用索引而不是列名(例如在循环中)，你可以使用

for i in range(len(df.columns)):
    print(df[df.columns[i]].to_list())

当您将Pandas DataFrame列取出时，它们就是Pandas Series，然后您可以调用x.tolist()将它们转换为Python列表。或者使用list(x)强制转换。

import pandas as pd

data_dict = {'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']),
             'two': pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(data_dict)

print(f"DataFrame:\n{df}\n")
print(f"column types:\n{df.dtypes}")

col_one_list = df['one'].tolist()

col_one_arr = df['one'].to_numpy()

print(f"\ncol_one_list:\n{col_one_list}\ntype:{type(col_one_list)}")
print(f"\ncol_one_arr:\n{col_one_arr}\ntype:{type(col_one_arr)}")

输出:

DataFrame:
   one  two
a  1.0    1
b  2.0    2
c  3.0    3
d  NaN    4

column types:
one    float64
two      int64
dtype: object

col_one_list:
[1.0, 2.0, 3.0, nan]
type:<class 'list'>

col_one_arr:
[ 1.  2.  3. nan]
type:<class 'numpy.ndarray'>

返回一个numpy数组:

arr = df["cluster"].to_numpy()

返回唯一值的numpy数组:

unique_arr = df["cluster"].unique()

你也可以使用numpy来获取唯一的值，尽管这两种方法之间存在差异:

arr = df["cluster"].to_numpy()
unique_arr = np.unique(arr)

如果你想使用索引而不是列名(例如在循环中)，你可以使用

for i in range(len(df.columns)):
    print(df[df.columns[i]].to_list())

 amount = list()
    for col in df.columns:
        val = list(df[col])
        for v in val:
            amount.append(v)

转换示例:

>熊猫数据帧->列表从一个熊猫列

Numpy数组

data = np.array([[10,20,30], [20,30,60], [30,60,90]])

将numpy数组转换为Panda数据帧

dataPd = pd.DataFrame(data = data)
    
print(dataPd)
0   1   2
0  10  20  30
1  20  30  60
2  30  60  90

将一个Panda列转换为列表

pdToList = list(dataPd['2'])