如何将 Pandas DataFrame 转换为 List？

Name

Rajiv Chandra

Updated on 2025/11/14

在数据清洗、导出、特征工程以及为 API 准备数据时，把 Pandas DataFrame 转成 Python list 是一个非常常见的步骤。虽然 tolist() 仍然很常用，但 Pandas 已经提供了更明确、更现代的方式——比如 to_numpy() 和 to_dict()——在可读性和性能上通常更好。

本更新指南会覆盖：

• 将整个 DataFrame 转换为 list of lists
• 将 单列 转换为 list
• 创建 嵌套列表或元组
• 更现代的结构，比如 list of dicts（常用于 JSON / API 输出）

⚡ 彩蛋：立即可视化你的数据

想在不写绘图代码的情况下，直接可视化 DataFrame？

PyGWalker 是一个开源 Python 工具，可以在 Jupyter Notebook 中，把你的 Pandas 或 Polars DataFrame 变成 类似 Tableau 的交互式界面。

只需安装并运行：

pip install pygwalker
import pygwalker as pyg
gwalker = pyg.walk(df)

🧩 1. 将整个 DataFrame 转成 List（List of Lists）

最常见的做法是把每一行都变成一个 list。

✔ 2025 推荐写法：df.to_numpy().tolist()

import pandas as pd
 
df = pd.DataFrame({'numbers': [1, 2, 3], 'letters': ['a', 'b', 'c']})
list_from_df = df.to_numpy().tolist()
print(list_from_df)

输出：

[[1, 'a'], [2, 'b'], [3, 'c']]

为什么优先使用 to_numpy() 而不是 df.values？

• df.values 更老，遇到一些复杂 dtypes 时行为可能不一致
• to_numpy() 是 Pandas 推荐的现代、显式方法

🧩 2. 将单个列转换为 List

使用 Series.tolist() —— 简洁且高效。

list_from_column = df["numbers"].tolist()
print(list_from_column)

输出：

[1, 2, 3]

🧩 3. 创建嵌套 List 或元组（List of Tuples）

如果你需要元组（例如用于 SQL 批量插入或者某些 API 入参）：

nested_list = [tuple(row) for row in df.to_numpy()]
print(nested_list)

输出：

[(1, 'a'), (2, 'b'), (3, 'c')]

使用 to_records() 的替代写法：

nested_list = [tuple(x) for x in df.to_records(index=False)]

⭐ 加分：转换为字典列表（JSON / API 最常用）

很多实际应用都期望拿到类似 JSON 的对象结构。

list_of_dicts = df.to_dict(orient="records")
print(list_of_dicts)

输出：

[
  {"numbers": 1, "letters": "a"},
  {"numbers": 2, "letters": "b"},
  {"numbers": 3, "letters": "c"}
]

这种格式在现代场景中非常常见，用于：

• APIs
• 机器学习特征导出
• 写入 JSON 文件
• 在系统之间传递结构化数据

📌 快速示例汇总

# list of lists
df.to_numpy().tolist()
 
# 使用 df.values（老写法）
df.values.tolist()
 
# 单列 → list
df["numbers"].tolist()
 
# list of tuples
[tuple(x) for x in df.to_numpy()]
 
# 字典列表（JSON-ready）
df.to_dict("records")

✅ 总结

把 Pandas DataFrame 转成 list 本身并不难，更关键是根据你的目标选择合适的结构：

利用这些现代方法，你可以更干净、更高效地完成 DataFrame 的结构转换，无论是用于建模、可视化，还是对外导出。