如何将Python函数输出转换为列表、字典或DataFrame以复用？

你的test()函数目前只是直接打印结果，没有返回任何数据，这是你无法将结果转换为列表/字典/DataFrame的核心原因。你需要修改函数，让它收集结果并返回，再根据后续需求转换成合适的格式。

1. 先收集为列表（最基础的方式） #

修改函数，把每次的(j,i)存入一个列表，最后返回这个列表：

def test():    
    results = []  # 初始化空列表存结果
    scope = range(10)
    scope2 = range(len(df1.columns))
    for j in scope2:
          for i in scope:
              if df1.iloc[:,[j]].shift(i).loc[selected_week].item() > df1.iloc[:,[j]].shift(i+1).loc[selected_week].item():
                  continue  # 原代码的i+1无实际作用，改用continue让循环继续
              else:
                results.append((j, i))  # 把(j,i)元组加入列表
                break
    return results  # 返回结果列表

调用后即可得到结果列表：

result_list = test()
# 输出示例：[(1,0), (2,3), (3,3), ...]

2. 转换为字典（按列索引j为键） #

如果需要以列索引j为键、对应的测试结果i为值，可基于列表转换：

result_dict = {j: i for j, i in result_list}
# 输出示例：{1:0, 2:3, 3:3, ...}

也可以直接在函数内构建字典：

def test():    
    results = {}
    scope = range(10)
    scope2 = range(len(df1.columns))
    for j in scope2:
          for i in scope:
              if df1.iloc[:,[j]].shift(i).loc[selected_week].item() > df1.iloc[:,[j]].shift(i+1).loc[selected_week].item():
                  continue
              else:
                results[j] = i
                break
    return results

3. 转换为DataFrame（最优推荐，适合后续逻辑判断） #

如果后续要做i>5这类逻辑筛选，DataFrame是最方便的格式，可以直接用布尔索引快速操作。基于列表转换：

import pandas as pd

result_df = pd.DataFrame(result_list, columns=["列索引j", "测试结果i"])

之后就能轻松筛选符合条件的记录：

# 筛选测试结果i>5的行
filtered_df = result_df[result_df["测试结果i"] > 5]
# 获取对应的列索引j列表
target_j = filtered_df["列索引j"].tolist()

也可以直接在函数内返回DataFrame：

def test():    
    results = []
    scope = range(10)
    scope2 = range(len(df1.columns))
    for j in scope2:
          for i in scope:
              if df1.iloc[:,[j]].shift(i).loc[selected_week].item() > df1.iloc[:,[j]].shift(i+1).loc[selected_week].item():
                  continue
              else:
                results.append({"列索引j": j, "测试结果i": i})
                break
    return pd.DataFrame(results)

额外优化提示 #

• 原代码里的i + 1没有实际作用（未赋值给变量），改用continue更符合逻辑，能让循环继续判断下一个i值。
• 可以用df1.iloc[:,j]代替df1.iloc[:,[j]]，前者直接返回Series，调用item()更高效，无需生成单列DataFrame。

内容的提问来源于stack exchange，提问作者ps2341