如何将带日期索引的Pandas Series转为含日期与值的列表？

嘿，这个需求很好解决！你已经通过seasonal_decompose拿到了带日期索引的趋势Series，要转成你想要的[['日期字符串', 数值], ...]格式，有两种简单的实现方式：

首先先确认你的趋势Series生成代码（结合你已有的预处理步骤）：

import pandas as pd
import statsmodels.api as sm

# 你的数据预处理代码
df = pd.read_csv("test_forecast/upload_data.csv") 
df["date"] = pd.to_datetime(df["date"], format="%Y-%m-%d") 
df.set_index("date", inplace=True) 
df = df.resample('D').mean().interpolate(method='linear', axis=0).fillna(0)

# 获取带日期索引的趋势Series
trend_series = sm.tsa.seasonal_decompose(df["upload"]).trend.interpolate(method='linear', axis=0).fillna(0)

方法1：遍历Series的索引与值 #

直接通过items()方法遍历趋势Series的每一对日期索引和数值，将datetime类型的日期转为你需要的字符串格式后，添加到结果列表中：

result_list = []
for date, value in trend_series.items():
    # 将datetime对象转为"YYYY-MM-DD"格式的字符串
    date_str = date.strftime("%Y-%m-%d")
    result_list.append([date_str, value])

方法2：转为DataFrame后批量处理 #

这种方法更简洁，适合数据量较大的场景：

1. 先将趋势Series转为带日期列的DataFrame
2. 将日期列转为指定格式的字符串
3. 直接将DataFrame转为嵌套列表

# 重置索引，把日期从索引转为列
trend_df = trend_series.reset_index()
# 重命名列名方便识别
trend_df.columns = ['date', 'upload_trend']
# 将日期列转为字符串格式
trend_df['date'] = trend_df['date'].dt.strftime("%Y-%m-%d")
# 转为目标格式的嵌套列表
result_list = trend_df.values.tolist()

两种方法最终都会输出你需要的格式：[['2018-04-22', 3.919738], ['2018-04-23', 3.985145], ...]

内容的提问来源于stack exchange，提问作者Souvik Ray