如何从CSV选中值生成数组并转换为可直接求和的普通数组？

用户编写了如下Python代码，尝试从DataFrame中筛选account为'123'的shares值并添加到数组：

array = []

for vid in account:
    vid_shares = (df.loc[df['account'] == '123', 'shares'])
    array.append(vid_shares)

print(array)

执行后得到带索引的Series格式输出：

1      10.0
2      15.0
3       0.0
4      12.0
5      17.0
6       0.0
7       9.0
8      12.0
9      13.0
10      8.0
11     30.0
12      0.0
13     16.0
Name: shares, dtype: float64

用户需要将结果转为[10, 15, 0, 12,...]这类普通数值数组，方便用sum()函数求和。

方法1：直接转换Series为数值数组 #

首先你的循环完全多余——每次循环都重复筛选了所有account='123'的行，导致数组里多次存入同一个Series。直接一次性筛选后转换即可：

# 筛选目标数据
target_shares = df.loc[df['account'] == '123', 'shares']
# 转numpy数值数组
num_array = target_shares.values
# 或者用to_numpy()，更推荐
num_array = target_shares.to_numpy()

# 甚至不需要转数组，Series本身支持sum()
total = target_shares.sum()

方法2：转为Python原生列表 #

如果需要的是Python列表而非numpy数组，用tolist()：

num_list = target_shares.tolist()
total = sum(num_list)

（可选）修正原始循环代码 #

如果你的循环有其他未说明的逻辑，那每次append时要提取具体数值（比如取单值用.iloc[0]），但显然这个场景下循环是没必要的，建议用上面的方法。

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