将 Python 对象列表转换为 Pandas DataFrame 的实用指南

本文详细介绍了如何将 Python 对象列表高效地转换为 Pandas DataFrame，重点讲解了使用 vars() 函数处理简单对象，以及针对 dataclasses 和使用 __slots__ 定义的类，分别使用 .asdict() 和 getattr() 方法的解决方案。通过本文，你将掌握将各种 Python 对象列表转换为 DataFrame 的实用技巧，提升数据处理效率。

在 Python 数据分析中，经常需要将自定义的对象列表转换为 Pandas DataFrame 进行处理。手动指定列名并逐个提取属性的方式繁琐且容易出错。本文将介绍几种自动化的方法，根据对象的属性动态生成 DataFrame，从而提高效率。

使用 vars() 函数转换简单对象

对于简单的 Python 对象，例如包含少量属性的类，可以使用内置的 vars() 函数将其转换为字典，然后利用 Pandas DataFrame 的构造函数直接创建 DataFrame。

以下是一个示例：

立即学习“Python免费学习笔记（深入）”；

import pandas as pd

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

person_list = [Person("Mary", 30), Person("John", 32)]

df = pd.DataFrame([vars(p) for p in person_list])
print(df)

输出：

   name  age
0  Mary   30
1  John   32

vars(p) 函数返回一个包含对象 p 的属性名和属性值的字典。通过列表推导式，我们将 person_list 中的每个 Person 对象转换为字典，然后传递给 pd.DataFrame() 构造函数，自动创建 DataFrame。

使用 .asdict() 函数转换 dataclasses 对象

如果你的类是使用 dataclasses 模块定义的，可以使用 .asdict() 方法将其转换为字典。dataclasses 提供了方便的方式来定义数据类，并且自动生成了一些常用的方法。

MagicStudio

图片处理必备效率神器！为你的图片提供神奇魔法

102

查看详情

import pandas as pd
from dataclasses import dataclass, asdict

@dataclass
class Person:
    name: str
    age: int

person_list = [Person("Mary", 30), Person("John", 32)]

df = pd.DataFrame([asdict(p) for p in person_list])
print(df)

输出：

   name  age
0  Mary   30
1  John   32

asdict(p) 函数将 dataclass 对象 p 转换为字典，其行为与 vars() 类似，但更适合 dataclass 对象。

使用 getattr() 函数转换带有 __slots__ 的类

当类定义了 __slots__ 属性时，vars() 函数可能无法正常工作。__slots__ 用于限制对象可以拥有的属性，从而节省内存。在这种情况下，可以使用 getattr() 函数来访问对象的属性。

import pandas as pd

class Person:
    __slots__ = ('name', 'age')
    def __init__(self, name, age):
        self.name = name
        self.age = age

person_list = [Person("Mary", 30), Person("John", 32)]

df = pd.DataFrame([{a: getattr(p, a) for a in p.__slots__} for p in person_list])
print(df)

输出：

   name  age
0  Mary   30
1  John   32

这段代码使用列表推导式和字典推导式，遍历 person_list 中的每个对象 p，然后使用 getattr(p, a) 获取 p 的每个属性值，其中 a 是 p.__slots__ 中的属性名。

总结

本文介绍了三种将 Python 对象列表转换为 Pandas DataFrame 的方法：

• vars(): 适用于简单的 Python 对象。
• .asdict(): 适用于 dataclasses 定义的对象。
• getattr(): 适用于定义了 __slots__ 的类。

选择合适的方法取决于你的对象的具体类型和结构。掌握这些技巧可以帮助你更高效地处理数据，提高开发效率。在实际应用中，应根据对象的特性选择最合适的方法，并进行适当的错误处理，以确保代码的健壮性。

以上就是将 Python 对象列表转换为 Pandas DataFrame 的实用指南的详细内容，更多请关注php中文网其它相关文章！