如果您正在处理一个多索引数据框架，您可能只对提取多索引的一个名称的列感兴趣。你可以这样做

df.index.get_level_values('name_sub_index')

当然name_sub_index必须是FrozenList中的一个元素

从pandas v0.13开始，你还可以使用get_values:

df.index.get_values()

要获得NumPy数组，你应该使用values属性:

In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c']); df
   A  B
a  1  4
b  2  5
c  3  6

In [2]: df.index.values
Out[2]: array(['a', 'b', 'c'], dtype=object)

这将访问数据已经存储的方式，因此不需要进行任何转换。

注意:此属性也可用于许多其他pandas对象。

In [3]: df['A'].values
Out[3]: Out[16]: array([1, 2, 3])

要以列表的形式获取索引，调用tolist:

In [4]: df.index.tolist()
Out[4]: ['a', 'b', 'c']

类似地，对于列。

最近的一种方法是使用.to_numpy()函数。

如果我有一个列为“price”的数据框架，我可以将其转换为如下方式:

priceArray = df['price'].to_numpy()

还可以将数据类型(如float或object)作为函数的参数传递

我将pandas数据帧转换为list，然后使用基本的list.index()。就像这样:

dd = list(zone[0]) #Where zone[0] is some specific column of the table
idx = dd.index(filename[i])

你有你的索引值idx。

如果您正在处理一个多索引数据框架，您可能只对提取多索引的一个名称的列感兴趣。你可以这样做

df.index.get_level_values('name_sub_index')

当然name_sub_index必须是FrozenList中的一个元素