从 Pandas 数据框中的行创建列表

如果你正在使用 Python 中的 Pandas 库处理数据，你可能需要将 Pandas 数据框中的行转换为列表。这种转换可以用于多种用途，例如数据分析、机器学习和模型训练等。

在 Pandas 中，可以使用 iterrows() 函数来遍历数据框的每一行，并创建一个包含行数据的列表。下面是一个示例，展示了如何从 Pandas 数据框中的行创建列表：

import pandas as pd

# 创建一个示例数据框
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)

# 创建一个空列表
rows_list = []

# 遍历数据框的每一行，并将行数据添加到列表中
for index, row in df.iterrows():
    # 创建一个字典，用于存储当前行的数据
    row_data = {'Name': row['Name'], 'Age': row['Age'], 'City': row['City']}
    
    # 将当前行的数据添加到列表中
    rows_list.append(row_data)

# 打印列表
print(rows_list)

输出结果为：

[{'Name': 'Alice', 'Age': 25, 'City': 'New York'},
 {'Name': 'Bob', 'Age': 30, 'City': 'Paris'},
 {'Name': 'Charlie', 'Age': 35, 'City': 'London'},
 {'Name': 'David', 'Age': 40, 'City': 'Tokyo'}]

通过使用 iterrows() 函数，我们可以遍历数据框的每一行，并使用字典来存储行数据。然后，我们将包含行数据的字典添加到列表中。最后，我们可以打印列表来查看获取到的数据。

请注意，使用 iterrows() 函数来遍历大型数据框可能会导致性能问题。在处理大型数据时，最好使用其他方法来避免性能瓶颈。

希望以上介绍对你理解如何从 Pandas 数据框中的行创建列表有所帮助！