处理Pandas数据后，如何将含dtype的数组元素转为纯订单号列表？

问题原因 #

你用np.nditer遍历numpy数组时，取出的每个order是numpy标量对象（比如numpy.int64），直接添加到列表里就会显示成array(5555555, dtype=int64)格式。要得到纯数值列表，需要把这些标量转成Python原生的数值类型，或者换更简洁的pandas操作方式。

方法1：迭代时转换为原生类型 #

修改循环里的代码，把每个order转成int再添加，同时修正判断逻辑（原代码直接判断二维数组的in操作会失效）：

import pandas as pd
import numpy as np

dataBI = pd.read_csv("U:/eu_inventory/EO BI Orders.csv")
dataOrderTrimmed = dataBI.iloc[:,1:2].values

dataVA05 = pd.read_csv("U:/eu_inventory/VA05_Export.csv")  # 路径统一用/或转义\\，避免转义问题
dataVAOrderFlat = dataVA05.iloc[:,1:2].values.flatten()  # 转成一维数组用于判断

ordersInBoth = []
ordersInBI = []
ordersInVA = []

for order in np.nditer(dataOrderTrimmed):
    order_val = int(order)
    if order_val in dataVAOrderFlat:
        ordersInBoth.append(order_val)
    else:
        ordersInBI.append(order_val)

方法2：提前转成Python列表再遍历 #

先把numpy数组转成纯Python列表，遍历直接拿到数值，同时用集合提升判断效率：

import pandas as pd
import numpy as np

dataBI = pd.read_csv("U:/eu_inventory/EO BI Orders.csv")
# 转成一维Python列表
dataOrderList = dataBI.iloc[:,1:2].values.flatten().tolist()

dataVA05 = pd.read_csv("U:/eu_inventory/VA05_Export.csv")
# 转成集合，判断in操作的效率更高
dataVAOrderSet = set(dataVA05.iloc[:,1:2].values.flatten().tolist())

ordersInBoth = []
ordersInBI = []

for order in dataOrderList:
    if order in dataVAOrderSet:
        ordersInBoth.append(order)
    else:
        ordersInBI.append(order)

方法3：用pandas内置方法（最简洁高效） #

完全不用手动循环，利用pandas的isin方法直接筛选，规避numpy类型问题：

import pandas as pd

dataBI = pd.read_csv("U:/eu_inventory/EO BI Orders.csv")
bi_orders = dataBI.iloc[:, 1]  # 提取指定列作为Series

dataVA05 = pd.read_csv("U:/eu_inventory/VA05_Export.csv")
va_orders = dataVA05.iloc[:, 1]

# 直接筛选交集、BI独有、VA独有的订单
ordersInBoth = bi_orders[bi_orders.isin(va_orders)].tolist()
ordersInBI = bi_orders[~bi_orders.isin(va_orders)].tolist()
ordersInVA = va_orders[~va_orders.isin(bi_orders)].tolist()

内容的提问来源于stack exchange，提问作者Kole Davis