将 DataFrame 整形为 np.array

Question

下午好，我有一个维度为 (963,1) 的数据框，我如何为 numpy 格式更改这样的内容：

array ([244.1462534,212.68483386, 212.04058487, 236.39615555]

当我使用 np.array (a) 时，在我看来，每个元素都在不同的行中

[244.1462534,
244.1462534,
244.1462534,
244.1462534]

因为有很多所以很难看到它

Answer 1

制作一个 1 列框架：

In [590]: df = pd.DataFrame(np.arange(5), columns=['x'])                                             
In [591]: df                                                                                         
Out[591]: 
   x
0  0
1  1
2  2
3  3
4  4

来自它的数组是 (5,1) 形状的：

In [592]: df.values                                                                                  
Out[592]: 
array([[0],
       [1],
       [2],
       [3],
       [4]])

一列是一个系列，它是 1d：

In [594]: df['x']                                                                                    
Out[594]: 
0    0
1    1
2    2
3    3
4    4
Name: x, dtype: int64
In [595]: df['x'].values                                                                             
Out[595]: array([0, 1, 2, 3, 4])

但是如果你有 (5,1) 形状数组，有很多方法可以重塑它：

In [596]: df.values.ravel()                                                                          
Out[596]: array([0, 1, 2, 3, 4])

ravel ， flatten ， reshape ， squeeze ，甚至索引。 所有这些都可以在基本的numpy文档中找到。

Answer 2

使用values将数据帧转换为 Numpy 数组。 检查文档。

df.values

如果你想要一个扁平的 np 数组，你可以重塑

df = pd.DataFrame(np.random.randn(10))
print (df.shape)
print (df.values.reshape(-1))

输出：

(10, 1)
[-1.43902815  0.72724325 -0.36741276 -1.96696158  0.5852711  -2.03214297
  0.11657485 -1.77276773  0.33315229 -1.37454383]