我已经使用pandas操纵了一些数据，现在我想进行批量保存回数据库。这需要我将数据帧转换为一个元组数组，每个元组对应于数据帧的“行”。
我的数据帧看起来像这样:
In [182]: data_set
Out[182]:
index data_date data_1 data_2
0 14303 2012-02-17 24.75 25.03
1 12009 2012-02-16 25.00 25.07
2 11830 2012-02-15 24.99 25.15
3 6274 2012-02-14 24.68 25.05
4 2302 2012-02-13 24.62 24.77
5 14085 2012-02-10 24.38 24.61
我想把它转换成一个元组数组，就像:
[(datetime.date(2012,2,17),24.75,25.03),
(datetime.date(2012,2,16),25.00,25.07),
...etc. ]
有什么建议吗?
当前回答
下面是一个矢量化的方法(假设dataframe, data_set被定义为df)，它返回一个元组列表，如下所示:
>>> df.set_index(['data_date'])[['data_1', 'data_2']].to_records().tolist()
生产:
[(datetime.datetime(2012, 2, 17, 0, 0), 24.75, 25.03),
(datetime.datetime(2012, 2, 16, 0, 0), 25.0, 25.07),
(datetime.datetime(2012, 2, 15, 0, 0), 24.99, 25.15),
(datetime.datetime(2012, 2, 14, 0, 0), 24.68, 25.05),
(datetime.datetime(2012, 2, 13, 0, 0), 24.62, 24.77),
(datetime.datetime(2012, 2, 10, 0, 0), 24.38, 24.61)]
将datetime列设置为索引轴的想法是帮助将Timestamp值转换为相应的datetime。通过使用DF中的convert_datetime64参数来等效datetime格式。to_records用于DateTimeIndex数据帧。
这将返回一个重数组，然后可以使用.tolist返回一个列表
根据用例，更通用的解决方案是:
df.to_records().tolist() # Supply index=False to exclude index
其他回答
如何:
subset = data_set[['data_date', 'data_1', 'data_2']]
tuples = [tuple(x) for x in subset.to_numpy()]
对于熊猫< 0.24使用
tuples = [tuple(x) for x in subset.values]
更python化的方式:
df = data_set[['data_date', 'data_1', 'data_2']]
map(tuple,df.values)
一般的方法:
[tuple(x) for x in data_set.to_records(index=False)]
最有效和最简单的方法:
list(data_set.to_records())
您可以在此调用之前筛选所需的列。
list(data_set.itertuples(index=False))
从17.1开始，上面的代码将返回一个命名元组列表。
如果你想要一个普通元组的列表，传递name=None作为参数:
list(data_set.itertuples(index=False, name=None))
