如何将无表头CSV文件对应的DataFrame中所有列合并为一个列表

嘿，我来帮你搞定这个问题！你已经走对了第一步——用header=None读取无表头CSV，但你的循环写法会把每一列的Series对象加到列表里，而不是你想要的扁平化数值列表。下面给你几种简洁高效的实现方式：

按列优先合并（先第一列所有值，再第二列，以此类推） #

如果你的目标是得到类似[1,3,5,2,4,6,7,8,9]这样的顺序（对应你伪代码的逻辑），可以试试这两种方法：

方法1：用stack()快速扁平化 #

import pandas as pd

df = pd.read_csv('file.csv', header=None)
data = df.stack().tolist()

stack()会把DataFrame的列“堆叠”成一维Series，再用tolist()转成普通列表就行，一步到位。

方法2：用melt()提取值列 #

data = df.melt()['value'].tolist()

melt()会把所有列合并成一个名为value的列，直接提取这个列转列表就搞定了。

按行优先合并（按行顺序展开所有值） #

如果你的实际需求是按行的顺序把所有值连起来（比如得到[1,2,7,3,4,8,5,6,9]），可以用更直接的数组扁平化方法：

方法1：values.flatten() #

data = df.values.flatten().tolist()

df.values会把DataFrame转成numpy数组，flatten()直接把数组压成一维，再转成列表。

方法2：values.ravel() #

data = df.values.ravel().tolist()

ravel()和flatten()效果类似，都是把多维数组转成一维，用法更简洁。

如果你想保留循环的写法 #

要是你还是想用循环来实现，只需要把append改成extend，并把列转成列表：

data = []
# 用df.shape[1]获取列数，不用硬编码
for col_idx in range(df.shape[1]):
    data.extend(df[col_idx].tolist())

这样就会把每一列的数值逐个加到data里，而不是把整个Series对象加进去。

内容的提问来源于stack exchange，提问作者ts213445