如何将Pandas DataFrame的列拼接为一维数组？

一、拼接全部列成一维数组 #

给你两种简洁高效的方法，不用手动列列名：

• 方法1：numpy按列展平
  把DataFrame转成numpy数组后，用ravel('F')按列优先顺序展平（'F'对应Fortran顺序，即先取完第一列所有元素，再取第二列，以此类推）：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({'set1': [3,4], 'set2': [5,8], 'set3': [6,0], 'set175': [9,22]})

# 全列拼接为一维数组
full_concat = df.to_numpy().ravel('F')
# 输出结果：array([ 3,  4,  5,  8,  6,  0,  9, 22])

老版本里用df.values.ravel('F')也能得到同样结果。

• 方法2：pandas stack方法
  stack()会将列索引转为内层行索引，生成一个Series，直接取values就能得到一维数组：

full_concat = df.stack().values

结果和上面完全一致，这种方法不需要额外依赖numpy。

二、拼接指定范围的列（比如第1-3列） #

先筛选出目标列，再复用上面的方法即可：

• 按列位置筛选：pandas列位置从0开始，第1到3列对应索引0:3（左闭右开）：

# 筛选第1-3列（对应示例中的set1、set2、set3）
partial_df = df.iloc[:, 0:3]
# 拼接为一维数组
partial_concat = partial_df.to_numpy().ravel('F')
# 输出结果：array([3,4,5,8,6,0])

• 按列名范围筛选：如果列名是连续命名的（比如set1到set3），可以直接用列名切片：

partial_df = df.loc[:, 'set1':'set3']
partial_concat = partial_df.stack().values

三、是否需要转numpy数组？ #

两种思路都可行：

• 转numpy的方法（to_numpy().ravel('F')）效率更高，适合数百列的大数据集；
• 纯pandas方法（stack().values）更直观，不需要引入numpy，最终结果同样是numpy数组（Series的values属性本身就是numpy数组）。

内容的提问来源于stack exchange，提问作者inteface