如何快速将Pandas DataFrame转为('行', '列', 值)元组列表适配Holoviews热力图？

当然有更高效的方法！完全不用手动遍历整个DataFrame——Pandas内置的宽表转长表工具就能帮你一键搞定，而且这些方法都是底层优化过的，比Python循环快得多，尤其是数据量大的时候优势特别明显。

你的原始DataFrame是典型的"宽格式"（行是类别，列是另一组类别，单元格是数值），而Holoviews HeatMap需要的是"长格式"的三元组（行标签, 列标签, 数值），下面两种方法都能完美实现转换：

方法1：使用pd.melt() #

melt是Pandas专门用来将宽表转为长表的函数，步骤清晰直观：

1. 先把行索引转成单独的列（比如命名为Row）
2. 用melt指定保留的标识列（行标签），以及要展开的数值列（列标签）
3. 最后把转换后的DataFrame转成三元组列表

示例代码：

import pandas as pd

# 构造你的示例DataFrame
data = {
    'Foo': [1, 2, 0, 2],
    'Bar': [2, 1, 0, 3],
    'Bash': [3, 0, 2, 5],
    'Baz': [4, 3, 0, 1]
}
df = pd.DataFrame(data, index=['A', 'B', 'C', 'D'])

# 转换步骤
df_reset = df.reset_index().rename(columns={'index': 'Row'})
df_melted = df_reset.melt(id_vars='Row', var_name='Column', value_name='Value')

# 转成Holoviews需要的三元组列表
heatmap_data = list(df_melted.itertuples(index=False, name=None))

方法2：使用stack()（更简洁） #

stack()会直接把列索引"堆叠"到行索引里，形成多级索引，之后再重置索引就能得到长格式，代码更短：

# 直接堆叠列索引
df_stacked = df.stack().reset_index()
df_stacked.columns = ['Row', 'Column', 'Value']

# 转成三元组列表
heatmap_data = list(df_stacked.itertuples(index=False, name=None))

这两种方法得到的heatmap_data就是你需要的格式：[('A', 'Foo', 1), ('A', 'Bar', 2), ...]，完全不需要手动写循环。

为什么这比手动遍历好？ #

Pandas的这些内置方法都是基于C语言实现的底层操作，避免了Python级别的循环开销，当你的DataFrame有几千甚至上万行/列时，速度会比手动循环快几十倍甚至上百倍。

内容的提问来源于stack exchange，提问作者waffl