如何将DataFrame的值转换为按行遍历的一维列表？

嗨，我来帮你搞定这个需求！要把DataFrame里的所有数据按行依次存入列表L，有几种实用的方法，我给你拆解清楚：

iterrows()会返回每一行的索引和对应的行数据，非常适合刚接触pandas的朋友理解。你可以嵌套遍历，把每一行的元素逐个追加到列表里：

import pandas as pd

# 先模拟一个示例DataFrame（你替换成自己的即可）
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
L = []

# 逐行遍历，下划线用来接收不需要的行索引
for _, row in df.iterrows():
    # 遍历当前行的每个元素，追加到L
    for item in row:
        L.append(item)

print(L)  # 输出结果：[1, 2, 3, 4, 5, 6, 7, 8, 9]

不过要注意，如果你的DataFrame数据量很大，这种方法的效率会稍低，因为它是纯Python层面的循环。

如果你的数据规模比较大，强烈推荐这种一行搞定的高效方案：先把DataFrame转成numpy数组，再扁平化（把二维数组转成一维），最后转成列表：

L = df.to_numpy().flatten().tolist()

这种方法依赖numpy的向量化操作，速度比iterrows()快很多，处理大数据集时优势明显。

itertuples()会返回每行数据的命名元组，遍历速度比iterrows()快不少，同时可读性也不错：

L = []
# index=False表示不返回行索引，只返回行数据元组
for row in df.itertuples(index=False):
    # 用extend直接把元组里的所有元素批量加到列表
    L.extend(row)

extend()可以一次性把元组的所有元素追加到列表，比逐个append更简洁高效。

另外小提醒：如果你的DataFrame里存在缺失值（比如NaN），以上方法都会把NaN保留在列表里。如果需要处理缺失值，可以先对DataFrame做填充，比如df.fillna(0)把缺失值换成0，再执行上述操作。

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