如何将Pandas按索引查询的列值存为列表并合并进DataFrame？

一、存储查询到的列值 #

根据查询结果的类型不同，存储方式略有区别：

1. 查询结果为单个标量值 #

如果通过索引查询后返回的是单个值（比如df.loc['row1', 'col1']），直接赋值存储即可，无需转列表：

val = df.loc['row1', 'col1']

2. 查询结果为Series（多个值） #

如果返回的是Series（比如df.loc[['row1','row2'], 'col1']），直接使用.tolist()或list()即可转成列表存储：

series_result = df.loc[['row1','row2'], 'col1']
list_result = series_result.tolist()
# 或者
list_result = list(series_result)

3. 查询结果为DataFrame（多列/多行） #

如果查询返回的是DataFrame（比如df.loc[['row1','row2'], ['col1','col2']]），需要先扁平化数组再转列表：

df_result = df.loc[['row1','row2'], ['col1','col2']]
list_result = df_result.values.flatten().tolist()

二、合并两次查询结果到同一个DataFrame #

常用两种方法实现：

1. 先分别查询，再用pd.concat()合并 #

适用于两次查询逻辑独立的场景：

# 第一次查询
result1 = df.loc[['row1','row2'], ['col1','col2']]
# 第二次查询
result2 = df.loc[['row3','row4'], ['col1','col2']]

# 行合并（默认axis=0）
merged_df = pd.concat([result1, result2])

# 若需列合并（需确保索引匹配）
# merged_df = pd.concat([result1, result2], axis=1)

如果两次查询结果有重复行，可以添加drop_duplicates()去重：

merged_df = pd.concat([result1, result2]).drop_duplicates()

2. 合并查询条件，单次查询获取结果 #

如果两次查询的条件可以合并，直接一次查询更高效：

# 合并索引条件
merged_df = df.loc[['row1','row2','row3','row4'], ['col1','col2']]

# 或合并逻辑条件（比如第一次是A>2，第二次是B=='x'）
merged_df = df[(df['A']>2) | (df['B']=='x')]

三、排查.tolist()失效的可能原因 #

如果用.tolist()或list()无法存储值，先检查以下几点：

• 确认查询结果非空：打印查询结果（比如print(df.loc[index, column])），看是否有实际值返回。
• 确认查询返回的不是空Series/DataFrame：如果索引或列名不存在，会返回空结果，转列表自然为空。
• 检查查询语法：比如误将列名放在索引位置，或使用了错误的索引标签。

内容的提问来源于stack exchange，提问作者Agnes