将Pandas DataFrame和Series列表转为NumPy数组的循环失效问题

一、为什么你的循环写法没用？ #

先拆解两种典型错误循环的问题：

第一种循环（仅DataFrame“看似生效”是错觉） #

train_X, train_y, test_X, test_y = train_df, train_series, test_df, test_series
for i in [train_X, train_y, test_X, test_y]:
    i = i.to_numpy()

这里的核心问题是：循环里的i只是临时指向原变量对应的对象，当你给i赋值为to_numpy()的结果时，仅仅是把i这个局部变量的指向换成了新的NumPy数组——原变量（比如train_y）的引用完全没变化。你以为DataFrame被转换了，其实只是循环里的临时变量指向了新数组，外面的原DataFrame变量根本没被修改。

第二种循环（无任何效果） #

如果是试图通过i.values这类操作“原地修改”，但values或to_numpy()都是返回新的NumPy数组，不会改变原来的Pandas对象本身。循环执行完，原变量还是原来的Series/DataFrame，自然看不到任何变化。

二、Python循环中变量的引用机制 #

Python里的变量本质是对象的引用，但循环迭代时的逻辑要明确：

• 当你用for i in 可迭代对象时，i会依次指向可迭代对象中的每个元素（也就是原变量指向的对象）。
• 但如果执行i = 新对象，这只是把i这个局部引用指向了新东西，不会改变原变量的指向。打个比方：你给朋友起了个外号，后来你把外号用到了别人身上，朋友本身不会有任何变化。
• 只有当你修改i指向的对象的内部状态时（比如给列表追加元素i.append(1)），原变量才会看到变化——但Pandas的Series/DataFrame是不可变类型（修改操作均返回新对象），所以这种逻辑也不适用。

三、正确的简化写法 #

不用循环踩坑，直接用列表推导批量转换即可：

import pandas as pd

# 批量转换所有对象为NumPy数组
train_X, train_y, test_X, test_y = [x.to_numpy() for x in [train_X, train_y, test_X, test_y]]

不管是DataFrame还是Series，to_numpy()都能返回对应的NumPy数组，一行代码搞定所有转换，比循环更简洁可靠。

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