本文将指导你如何将 Python 对象列表转换为 Pandas DataFrame。这种转换在数据分析和处理中非常常见，尤其是在处理自定义类生成的对象时。我们将探讨几种不同的方法，包括使用 vars() 函数、处理 dataclasses 和包含 __slots__ 的类。
将对象列表转换为 DataFrame 的关键在于将每个对象转换为字典，然后利用 Pandas 的 DataFrame 构造函数。
使用 vars() 函数
对于简单的类，如以下 Person 类，vars() 函数提供了一种简洁的解决方案。
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)]vars(object) 函数返回对象的 __dict__ 属性。因此，我们可以使用列表推导式和 vars() 函数将 person_list 转换为 DataFrame：
df = pd.DataFrame([vars(p) for p in person_list]) print(df)
输出结果：
name age 0 Mary 30 1 John 32
这种方法简单直接，适用于大多数简单类。
处理 dataclasses
对于使用 dataclasses 模块定义的类，可以使用 dataclasses.asdict() 函数。
from dataclasses import dataclass, asdict
import pandas as pd
@dataclass
class DataPerson:
name: str
age: int
person_list = [DataPerson("Mary", 30), DataPerson("John", 32)]
df = pd.DataFrame([asdict(p) for p in person_list])
print(df)asdict() 函数将 dataclass 实例转换为字典，使其能够轻松地被 pd.DataFrame 处理。
处理包含 __slots__ 的类
如果你的类定义了 __slots__，vars() 函数将不起作用，因为 __slots__ 类没有 __dict__ 属性。在这种情况下，可以使用以下方法：
import pandas as pd
class PersonWithSlots:
__slots__ = ('name', 'age')
def __init__(self, name, age):
self.name = name
self.age = age
person_list = [PersonWithSlots("Mary", 30), PersonWithSlots("John", 32)]
df = pd.DataFrame([{a: getattr(p, a) for a in p.__slots__} for p in person_list])
print(df)此代码使用列表推导式和 getattr() 函数来访问 __slots__ 中定义的属性，并将它们转换为字典。
总结
将对象列表转换为 Pandas DataFrame 有多种方法，选择哪种方法取决于类的结构。
- 对于简单的类，vars() 函数是最简单的选择。
- 对于 dataclasses，使用 asdict() 函数。
- 对于包含 __slots__ 的类，需要使用 getattr() 函数和列表推导式。
这些方法能够帮助你高效地将对象数据转换为 DataFrame，从而简化数据分析和处理流程。记住，选择最适合你特定类结构的方法可以提高代码的可读性和效率。
