如何按纵向而非横向获取数据框df的values值？

嘿，这问题我熟！当你用df.values拿到的是横向排布的数值时，其实就是因为你的DataFrame结构是行式的，咱们用几个简单的操作就能转成纵向：

方法1：用numpy重塑数组最直接 #

df.values返回的是numpy数组，直接用reshape方法就能调整维度，把横向转成纵向：

import pandas as pd

# 举个例子，你的DataFrame可能是这样的单行结构
df = pd.DataFrame({'col1': [10], 'col2': [20], 'col3': [30]})

# 横向的values
horizontal_vals = df.values
# 输出：array([[10, 20, 30]])

# 转成纵向
vertical_vals = horizontal_vals.reshape(-1, 1)
# 输出：array([[10], [20], [30]])

这里的-1是numpy的小技巧——它会自动计算需要多少行来匹配1列的结构，不管你原来有多少个元素都能完美适配。

方法2：转置DataFrame再取values #

如果你更习惯用pandas的原生操作，可以先把DataFrame转置（行变列），再提取数值：

vertical_vals = df.T.values
# 输出同样是：array([[10], [20], [30]])

这种方法的好处是，转置后的DataFrame本身也能直接用于后续的pandas操作，不用再来回切换numpy数组。

方法3：处理多行DataFrame的通用方案 #

如果你的DataFrame有多行，想把所有数值都纵向排成一列，可以先扁平化数组再重塑：

# 比如一个2行3列的DataFrame
df_multi = pd.DataFrame({'col1': [10, 40], 'col2': [20, 50], 'col3': [30, 60]})

# 把所有数值纵向排列
vertical_vals = df_multi.values.flatten().reshape(-1, 1)
# 输出：array([[10], [20], [30], [40], [50], [60]])

额外：如果需要Series而非numpy数组 #

要是你想要的是pandas的Series对象（带索引的纵向数据），直接用stack()方法就行：

vertical_series = df.stack()
# 输出：
# 0  col1    10
#    col2    20
#    col3    30
# dtype: int64

内容的提问来源于stack exchange，提问作者atkayla