如何将Pandas DataFrame列中的整数转换为列表？

我之前处理过类似的需求，给你几个实用的解决方案：

方法一：apply+lambda（直观易读） #

这是最直接的实现方式，针对每个元素做判断：非NaN值包裹成单元素列表，NaN值原样保留：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({'NUMBERS': [1, 2, np.nan, 4, np.nan]})

# 执行列转换
df['NUMBERS'] = df['NUMBERS'].apply(lambda x: [x] if pd.notna(x) else x)

执行后查看结果：

NUMBERS
0     [1]
1     [2]
2      NaN
3     [4]
4      NaN

方法二：np.where（大数据量更高效） #

如果你的DataFrame行数很多，apply的逐元素操作可能有点慢，用np.where做向量化操作性能会更好：

df['NUMBERS'] = np.where(
    pd.notna(df['NUMBERS']),
    df['NUMBERS'].map(lambda x: [x]),
    df['NUMBERS']
)

这里用map替代apply，在元素级操作上性能略优，核心逻辑和方法一完全一致。

额外注意事项 #

如果你的列里存在字符串类型的'NaN'（不是标准的np.nan缺失值），建议先统一转换为标准缺失值，再执行上述操作：

# 将列转为数值型，非数值内容自动转为np.nan
df['NUMBERS'] = pd.to_numeric(df['NUMBERS'], errors='coerce')

这样能避免出现把字符串'NaN'转成['NaN']的错误情况。

内容的提问来源于stack exchange，提问作者Blank