嘿，你的思路完全没问题，但其实Pandas本身就有更简洁直接的方式，不用手动拆分再合并，一行代码就能精准满足你的需求！

核心实现代码 #

import pandas as pd

df = pd.DataFrame({
    "Sales QTY":[10,20,30,40], 
    "Sales Person":['Jack', 'Adam', 'Ken', 'Jack'], 
    "Product":["Apple", "Orange","Apple","Cherry"] 
})

# 一行搞定：表头列表 + 数据行列表
result = [df.columns.tolist()] + df.values.tolist()
print(result)

输出结果 #

[['Sales QTY', 'Sales Person', 'Product'], [10, 'Jack', 'Apple'], [20, 'Adam', 'Orange'], [30, 'Ken', 'Apple'], [40, 'Jack', 'Cherry']]

为什么这是更优的方式？ #

• 简洁性：直接调用Pandas内置的columns.tolist()和values.tolist()方法，省去手动拆分合并的冗余步骤
• 可读性：逻辑一目了然——先拿表头，再拼数据行，后续维护成本极低
• 性能优势：内置方法是经过优化的C扩展实现，处理大体积DataFrame时，比手动循环或拆分合并的效率高很多

如果你想更贴合Pandas的官方推荐写法，也可以用df.to_numpy().tolist()替代df.values.tolist()（官方更推荐to_numpy()，因为values在未来版本可能会有行为调整），代码变成：

result = [df.columns.tolist()] + df.to_numpy().tolist()

两种写法都能完美达成目标，选哪个全看你的个人习惯~

内容的提问来源于stack exchange，提问作者Jack Miller