如何将二维Tensor转为单列DataFrame，每行保留完整Tensor

要实现将二维Tensor转为单列DataFrame且每行保留完整Tensor，核心是让pandas把每行Tensor识别为单个元素而非拆分。这里有两种简单可行的方式：

方法1：使用torch.unbind拆分行 #

torch.unbind会把Tensor按指定维度拆分，默认按第0维度（行）拆分，返回每行Tensor的迭代器，将其转为列表后传入DataFrame即可：

import torch
import pandas as pd

x = torch.rand(4,3)
# 拆分每行并转为列表
row_tensors = list(torch.unbind(x))
# 构造单列DataFrame
df = pd.DataFrame(row_tensors, columns=['tensor_column'])

print(df.shape)  # 输出 (4, 1)
print(df)

输出示例：

tensor_column
0  tensor([0.8888, 0.8168, 0.2737])
1  tensor([0.9429, 0.0847, 0.6115])
2  tensor([0.3147, 0.5715, 0.9937])
3  tensor([0.5592, 0.7696, 0.3094])

方法2：列表推导式遍历行 #

直接遍历二维Tensor的每行，将每行Tensor收集为列表后构造DataFrame：

import torch
import pandas as pd

x = torch.rand(4,3)
# 遍历每行生成列表
row_list = [row for row in x]
df = pd.DataFrame(row_list, columns=['tensor_column'])

print(df.shape)  # 输出 (4, 1)

为什么之前的方法会失败？ #

如果直接用pd.DataFrame(x)或者转成numpy数组后传入，pandas会默认把Tensor/数组的每个元素当作单独的列，所以会生成4行3列的DataFrame。而上面的方法是把每行Tensor作为单个元素存入列表，pandas就会将其识别为单列的每行数据。

内容的提问来源于stack exchange，提问作者Max Uglov