如何将Pandas表格每行转为列表并添加为新列？

首先，你的需求是把DataFrame的每一行转换成列表，并添加为一个新列——其实你的代码本质上是完全正确的，我们来实际验证一下：

验证你的代码 #

运行你提供的代码片段：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(low=0, high=10, size=(5, 5)))
df['list'] = df.apply(lambda x: x.tolist(), axis=1)
print(df)

你会得到类似这样的输出（因为是随机生成的数值，具体数字会有差异）：

0  1  2  3  4                list
0  5  9  7  1  5  [5, 9, 7, 1, 5]
1  3  5  0  6  0  [3, 5, 0, 6, 0]
2  8  0  7  3  2  [8, 0, 7, 3, 2]
3  7  7  2  9  3  [7, 7, 2, 9, 3]
4  7  7  8  8  1  [7, 7, 8, 8, 1]

这完全匹配你期望的输出格式：新列里每行都是对应行的数值列表。

如果你运行代码没得到预期结果，可能的原因及解决办法 #

如果实际运行时没有成功，大概率是以下几种情况：

• Pandas版本过旧：某些非常早期的Pandas版本对apply结合axis=1处理行的逻辑支持有问题，建议升级到最新稳定版：

  pip install --upgrade pandas
  

• 列名冲突：如果你的原始DataFrame已经存在名为list的列，新列会直接覆盖原有数据，建议换个更明确的列名比如row_list：

  df['row_list'] = df.apply(lambda x: x.tolist(), axis=1)
  

• 数据包含特殊类型：如果你的数据里有字符串、空值（NaN）等非整数类型，tolist()依然可以正常工作，但列表会保留原始数据类型，比如空值会显示为nan，字符串会原样保留。

大数据量下的高效替代方案 #

如果你的DataFrame数据量很大，apply的效率可能不够理想，你可以用更高效的to_numpy()结合列表推导式实现：

df['row_list'] = [row.tolist() for row in df.to_numpy()]

这种方法在处理十万级以上数据时，速度会比apply快不少。

内容的提问来源于stack exchange，提问作者Christian