Python：提取二维列表中named tuple的v值并构建Pandas DataFrame

嘿，这个问题很好解决，你只需要把每个Cell对象里的v属性提取出来就行，这里有两种实用的方法：

方法一：预处理数据再创建DataFrame #

在传入pandas.DataFrame()之前，先把二维列表里的每个Cell转换成它的v值，用列表推导式就能快速搞定：

import pandas as pd
import collections

Cell = collections.namedtuple('Cell',['r','c','v'])
cells = [[Cell(1,3,5),Cell(6,233,22)],[Cell(6,88,22),Cell(6454,2344443,34)]]

# 预处理：提取每个Cell的v值
processed_cells = [[cell.v for cell in row] for row in cells]
df = pd.DataFrame(data=processed_cells)

print(df)

运行后输出的DataFrame就是你要的：

0   1
0   5  22
1  22  34

这种方法的优势是效率更高，尤其是当你的数据量很大的时候，因为提前把数据转换成数值类型，避免了后续DataFrame的逐元素操作。

方法二：创建DataFrame后再转换 #

如果你已经有了包含Cell对象的DataFrame，或者不想提前处理数据，可以用applymap()方法遍历每个单元格，提取v值：

import pandas as pd
import collections

Cell = collections.namedtuple('Cell',['r','c','v'])
cells = [[Cell(1,3,5),Cell(6,233,22)],[Cell(6,88,22),Cell(6454,2344443,34)]]

df = pd.DataFrame(data=cells)
# 转换每个单元格的Cell对象为v值
df = df.applymap(lambda cell: cell.v)

print(df)

这个方法更灵活，适合已经构建好DataFrame之后需要调整的场景，唯一要注意的是如果数据量极大，applymap()的速度会比预处理慢一些。

两种方法都能得到你想要的结果，选哪种就看你的实际需求啦～

内容的提问来源于stack exchange，提问作者mikeh