我有一个这样的数据框：
此数据框有几列。两个是float 类型：price 和change，而volme 和amount 是int 类型。
我使用df.values.tolist()更改df的方法列出并获取数据：
datatmp = df.values.tolist()
print(datatmp[0])
[20160108150023.0, 11.12, -0.01, 4268.0, 4746460.0, 2.0]
df 中的 int 类型全部更改为 float 类型。
我的问题是为什么 int 类型会更改为 float 类型？如何获得我想要的int 数据？
【问题讨论】：
您可以逐列转换：
by_column = [df[x].values.tolist() for x in df.columns]
这将保留每列的数据类型。
比转换成你想要的结构：
list(list(x) for x in zip(*by_column))
你可以在一行中完成：
list(list(x) for x in zip(*(df[x].values.tolist() for x in df.columns)))
您可以检查列的数据类型：
df.info()
您的列amount 很可能是float 类型。这个专栏有NaN吗？这些总是float 类型，并且会构成整个列float。
您可以通过以下方式投射到int：
df.values.astype(int).tolist()
【讨论】：
我认为 pandas 文档有帮助：
DataFrame.values
NDFrame 的 Numpy 表示
dtype 将是较低公分母的 dtype（隐式向上转换）；也就是说，如果混合了 dtypes（甚至是数字类型），则将选择容纳所有类型的数据类型。如果您不处理积木，请谨慎使用。
所以这里显然选择了 float 来容纳所有组件类型。一个简单的方法是（但是，很可能有更优雅的解决方案，我对熊猫不太熟悉）：
datatmp = map(lambda row: list(row[1:]), df.itertuples())
这里itertuples() 给出了一个迭代器，其元素的形式为（rownumber、colum1_entry、colum2_entry、...）。该映射采用每个这样的元组并应用 lambda 函数，该函数删除第一个组件（行号），并返回一个包含单行组件的列表。如果您可以使用元组列表，您还可以删除 list() 调用。
[数据框值属性][1] "http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.values.html#pandas.DataFrame.values"
【讨论】：