要将 Pandas DataFrame 转换为按行存储的列表格式，可以采用多种方式实现。以下是详细的说明和代码示例： ### 方法一：使用 `to_records()` 方法 `to_records()` 可以将 DataFrame 的每一行转换为一个元组形式，并返回一个 NumPy 记录数组[^1]。 ```python import pandas as pd # 创建示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6] }) # 使用 to_records() 并将其转换为列表 row_list = list(df.to_records(index=False)) print(row_list) ``` 此方法会保留每行的数据顺序，并将它们封装在一个元组中。 --- ### 方法二：使用 `itertuples()` 方法 `itertuples()` 返回的是一个迭代器，其中每个元素是一个命名元组，表示 DataFrame 的一行[^2]。 ```python import pandas as pd # 创建示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6] }) # 使用 itertuples() 获取行数据并排除索引字段 row_list = [(row.A, row.B) for row in df.itertuples(index=False)] print(row_list) ``` 这种方法适用于需要逐行访问的情况，同时也可以灵活地选择特定列。 --- ### 方法三：使用 `apply()` 和 `lambda` 表达式 通过 `apply()` 方法结合 `lambda` 表达式，可以将每行数据提取出来并放入列表中[^3]。 ```python import pandas as pd # 创建示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6] }) # 使用 apply() 提取行数据 row_list = df.apply(lambda row: (row['A'], row['B']), axis=1).tolist() print(row_list) ``` 这种方式更加通用，尤其当需要对某些列执行额外操作时非常有用。 --- ### 方法四：使用 `values.tolist()` 方法 如果希望快速获取整个 DataFrame 的行数据作为列表，则可以直接调用 `values.tolist()` 方法[^4]。 ```python import pandas as pd # 创建示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3], 'B': [4, 5, 6] }) # 使用 values.tolist() 将 DataFrame 转换为列表 row_list = df.values.tolist() print(row_list) ``` 需要注意的是，该方法不会自动移除索引列；因此，在实际应用中可能还需要进一步处理。 --- ### 输出结果比较 对于相同的输入 DataFrame： ```plaintext A B 0 1 4 1 2 5 2 3 6 ``` 四种方法的结果分别为： - **方法一**: `[ (1, 4), (2, 5), (3, 6)]` - **方法二**: `[ (1, 4), (2, 5), (3, 6)]` - **方法三**: `[ (1, 4), (2, 5), (3, 6)]` - **方法四**: `[[1, 4], [2, 5], [3, 6]]` 可以看出前三种方法生成的是元组组成的列表，而第四种则是嵌套列表。 ---