Se i dati hanno etichette di colonne e indici che si desidera conservare, ci sono alcune opzioni.
dati Esempio:
>>> 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
Il metodo tolist()
descritto in altre risposte è utile, ma cede solo i dati di base - che non può essere sufficiente, a seconda delle esigenze.
>>> df.values.tolist()
[[1, 2, 3], [3, 4, 5]]
Un approccio è quello di convertire il DataFrame
a JSON utilizzando df.to_json()
e quindi analizzare di nuovo. Questo è ingombrante ma presenta alcuni vantaggi, perché il metodo to_json()
ha alcune opzioni utili.
>>> 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]]
}
Ingombrante ma può essere utile.
La buona notizia è che è abbastanza semplice per creare elenchi per le colonne e le righe:
>>> columns = [df.index.name] + [i for i in df.columns]
>>> rows = [[i for i in row] for row in df.itertuples()]
Questo produce:
>>> print(f"columns: {columns}\nrows: {rows}")
columns: [None, 'first', 'second', 'third']
rows: [['alpha', 1, 2, 3], ['beta', 3, 4, 5]]
Se il None
come il nome dell'indice è fastidioso, rinominarlo:
df = df.rename_axis('stage')
Poi:
01.235.
>>> 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]]
lol a lol variabile –