将 pandas dataframe 转换为 Z3B7F949B2343F9E5390E29F6EF5E1778Z 数组

Question

如何将 pandas dataframe 转换为 Z3B7F949B2343F9E5390E29F6EF5E1778Z 数组？

DataFrame：

import numpy as np
import pandas as pd

index = [1, 2, 3, 4, 5, 6, 7]
a = [np.nan, np.nan, np.nan, 0.1, 0.1, 0.1, 0.1]
b = [0.2, np.nan, 0.2, 0.2, 0.2, np.nan, np.nan]
c = [np.nan, 0.5, 0.5, np.nan, 0.5, 0.5, np.nan]
df = pd.DataFrame({'A': a, 'B': b, 'C': c}, index=index)
df = df.rename_axis('ID')

给

label   A    B    C
ID                                 
1   NaN  0.2  NaN
2   NaN  NaN  0.5
3   NaN  0.2  0.5
4   0.1  0.2  NaN
5   0.1  0.2  0.5
6   0.1  NaN  0.5
7   0.1  NaN  NaN

我想将其转换为 Z3B7F949B2343F9E5390E29F6EF5E1778Z 数组，如下所示：

array([[ nan,  0.2,  nan],
       [ nan,  nan,  0.5],
       [ nan,  0.2,  0.5],
       [ 0.1,  0.2,  nan],
       [ 0.1,  0.2,  0.5],
       [ 0.1,  nan,  0.5],
       [ 0.1,  nan,  nan]])

另外，是否可以像这样保留数据类型？

array([[ 1, nan,  0.2,  nan],
       [ 2, nan,  nan,  0.5],
       [ 3, nan,  0.2,  0.5],
       [ 4, 0.1,  0.2,  nan],
       [ 5, 0.1,  0.2,  0.5],
       [ 6, 0.1,  nan,  0.5],
       [ 7, 0.1,  nan,  nan]],
     dtype=[('ID', '<i4'), ('A', '<f8'), ('B', '<f8'), ('B', '<f8')])

Answer 1

`df.to_numpy()`比`df.values`好，这就是原因。 ^*

是时候弃用values和as_matrix()了。

pandas v0.24.0引入了两种从 pandas 对象获取 NumPy 数组的新方法：

to_numpy() ，在Index 、 Series和DataFrame对象上定义，以及
array ，仅在Index和Series对象上定义。

如果您访问 .values 的.values文档，您会看到一个大红色警告，上面写着：

警告：我们建议改用DataFrame.to_numpy() 。

请参阅v0.24.0 发行说明的这一部分，以及此答案以获取更多信息。

_{* - to_numpy()是我推荐的任何生产代码的方法，这些生产代码需要在未来的许多版本中可靠运行。} _{但是，如果您只是在 jupyter 或终端中制作暂存器，则使用.values来节省几毫秒的输入时间是一个允许的例外。} _{您可以随时添加适合 n 完成以后。}

实现更好的一致性： `to_numpy()`

本着在整个 API 中保持更好一致性的精神，引入了一种新方法to_numpy来从 DataFrames 中提取底层 NumPy 数组。

# Setup
df = pd.DataFrame(data={'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, 
                  index=['a', 'b', 'c'])

# Convert the entire DataFrame
df.to_numpy()
# array([[1, 4, 7],
#        [2, 5, 8],
#        [3, 6, 9]])

# Convert specific columns
df[['A', 'C']].to_numpy()
# array([[1, 7],
#        [2, 8],
#        [3, 9]])

如上所述，此方法也在Index和Series对象上定义（参见此处）。

df.index.to_numpy()
# array(['a', 'b', 'c'], dtype=object)

df['A'].to_numpy()
#  array([1, 2, 3])

默认情况下，会返回一个视图，因此所做的任何修改都会影响原始视图。

v = df.to_numpy()
v[0, 0] = -1
 
df
   A  B  C
a -1  4  7
b  2  5  8
c  3  6  9

如果您需要副本，请使用to_numpy(copy=True) 。

扩展类型的熊猫 >= 1.0 更新

如果您使用的是 pandas 1.x，那么您可能会更多地处理扩展类型。 您必须更加小心这些扩展类型是否正确转换。

a = pd.array([1, 2, None], dtype="Int64")                                  
a                                                                          

<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64 

# Wrong
a.to_numpy()                                                               
# array([1, 2, <NA>], dtype=object)  # yuck, objects

# Correct
a.to_numpy(dtype='float', na_value=np.nan)                                 
# array([ 1.,  2., nan])

# Also correct
a.to_numpy(dtype='int', na_value=-1)
# array([ 1,  2, -1])

这在 docs 中被提及。

如果您需要结果中的`dtypes` ...

如另一个答案所示， DataFrame.to_records是一种很好的方法。

df.to_records()
# rec.array([('a', 1, 4, 7), ('b', 2, 5, 8), ('c', 3, 6, 9)],
#           dtype=[('index', 'O'), ('A', '<i8'), ('B', '<i8'), ('C', '<i8')])

不幸的是，这不能用to_numpy完成。 但是，作为替代方案，您可以使用np.rec.fromrecords ：

v = df.reset_index()
np.rec.fromrecords(v, names=v.columns.tolist())
# rec.array([('a', 1, 4, 7), ('b', 2, 5, 8), ('c', 3, 6, 9)],
#           dtype=[('index', '<U1'), ('A', '<i8'), ('B', '<i8'), ('C', '<i8')])

性能方面，几乎相同（实际上，使用rec.fromrecords会快一点）。

df2 = pd.concat([df] * 10000)

%timeit df2.to_records()
%%timeit
v = df2.reset_index()
np.rec.fromrecords(v, names=v.columns.tolist())

12.9 ms ± 511 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
9.56 ms ± 291 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

添加新方法的理由

由于在两个 GitHub 问题GH19954和GH23623下的讨论，添加了to_numpy() （除了array ）。

具体来说，文档提到了理由：

[...] .values不清楚返回的值是实际数组、它的一些转换，还是熊猫自定义数组之一（如Categorical ）。 例如，使用PeriodIndex ， .values生成一个新的周期对象ndarray 。 [...]

to_numpy旨在提高 API 的一致性，这是朝着正确方向迈出的重要一步。 .values在当前版本中不会被弃用，但我预计这可能会在未来的某个时候发生，所以我会敦促用户尽快迁移到更新的 API。

对其他解决方案的批评

如前所述， DataFrame.values的行为不一致。

DataFrame.get_values()只是DataFrame.values的一个包装器，所以上面所说的一切都适用。

DataFrame.as_matrix()现在已弃用，请勿使用！

Answer 2

要将 pandas 数据帧 (df) 转换为 numpy ndarray，请使用以下代码：

df.values

array([[nan, 0.2, nan],
       [nan, nan, 0.5],
       [nan, 0.2, 0.5],
       [0.1, 0.2, nan],
       [0.1, 0.2, 0.5],
       [0.1, nan, 0.5],
       [0.1, nan, nan]])

Answer 3

注意：此答案中使用的.as_matrix()方法已弃用。 熊猫 0.23.4 警告：

方法.as_matrix将在未来版本中删除。 请改用 .values。

Pandas 内置了一些东西...

numpy_matrix = df.as_matrix()

给

array([[nan, 0.2, nan],
       [nan, nan, 0.5],
       [nan, 0.2, 0.5],
       [0.1, 0.2, nan],
       [0.1, 0.2, 0.5],
       [0.1, nan, 0.5],
       [0.1, nan, nan]])

Answer 4

我将链接DataFrame.reset_index()和DataFrame.values函数来获取数据帧的 Numpy 表示，包括索引：

In [8]: df
Out[8]: 
          A         B         C
0 -0.982726  0.150726  0.691625
1  0.617297 -0.471879  0.505547
2  0.417123 -1.356803 -1.013499
3 -0.166363 -0.957758  1.178659
4 -0.164103  0.074516 -0.674325
5 -0.340169 -0.293698  1.231791
6 -1.062825  0.556273  1.508058
7  0.959610  0.247539  0.091333

[8 rows x 3 columns]

In [9]: df.reset_index().values
Out[9]:
array([[ 0.        , -0.98272574,  0.150726  ,  0.69162512],
       [ 1.        ,  0.61729734, -0.47187926,  0.50554728],
       [ 2.        ,  0.4171228 , -1.35680324, -1.01349922],
       [ 3.        , -0.16636303, -0.95775849,  1.17865945],
       [ 4.        , -0.16410334,  0.0745164 , -0.67432474],
       [ 5.        , -0.34016865, -0.29369841,  1.23179064],
       [ 6.        , -1.06282542,  0.55627285,  1.50805754],
       [ 7.        ,  0.95961001,  0.24753911,  0.09133339]])

要获得 dtypes，我们需要使用view将此 ndarray 转换为结构化数组：

In [10]: df.reset_index().values.ravel().view(dtype=[('index', int), ('A', float), ('B', float), ('C', float)])
Out[10]:
array([( 0, -0.98272574,  0.150726  ,  0.69162512),
       ( 1,  0.61729734, -0.47187926,  0.50554728),
       ( 2,  0.4171228 , -1.35680324, -1.01349922),
       ( 3, -0.16636303, -0.95775849,  1.17865945),
       ( 4, -0.16410334,  0.0745164 , -0.67432474),
       ( 5, -0.34016865, -0.29369841,  1.23179064),
       ( 6, -1.06282542,  0.55627285,  1.50805754),
       ( 7,  0.95961001,  0.24753911,  0.09133339),
       dtype=[('index', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

Answer 5

您可以使用to_records方法，但如果它们不是您从一开始就想要的，则必须使用 dtypes。 在我的例子中，从字符串中复制了你的 DF，索引类型是字符串（由 pandas 中的object dtype 表示）：

In [102]: df
Out[102]: 
label    A    B    C
ID                  
1      NaN  0.2  NaN
2      NaN  NaN  0.5
3      NaN  0.2  0.5
4      0.1  0.2  NaN
5      0.1  0.2  0.5
6      0.1  NaN  0.5
7      0.1  NaN  NaN

In [103]: df.index.dtype
Out[103]: dtype('object')
In [104]: df.to_records()
Out[104]: 
rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)], 
      dtype=[('index', '|O8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
In [106]: df.to_records().dtype
Out[106]: dtype([('index', '|O8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

转换 recarray dtype 对我不起作用，但已经可以在 Pandas 中执行此操作：

In [109]: df.index = df.index.astype('i8')
In [111]: df.to_records().view([('ID', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
Out[111]:
rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)], 
      dtype=[('ID', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

请注意，Pandas 没有在导出的记录数组中正确设置索引的名称（到ID ）（一个错误？），所以我们从类型转换中受益，也纠正了这一点。

目前，Pandas 只有 8 字节整数i8和浮点数f8 （请参阅本期）。

Answer 6

似乎df.to_records()会为您工作。 您正在寻找的确切功能已被请求，并且to_records指出作为替代。

我使用您的示例在本地进行了尝试，该调用产生的输出与您正在寻找的输出非常相似：

rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)],
      dtype=[(u'ID', '<i8'), (u'A', '<f8'), (u'B', '<f8'), (u'C', '<f8')])

请注意，这是一个recarray而不是array 。 您可以通过将其构造函数调用为np.array(df.to_records())将结果移动到常规 numpy 数组中。

Answer 7

尝试这个：

a = numpy.asarray(df)

Answer 8

这是我从 pandas DataFrame 制作结构数组的方法。

创建数据框

import pandas as pd
import numpy as np
import six

NaN = float('nan')
ID = [1, 2, 3, 4, 5, 6, 7]
A = [NaN, NaN, NaN, 0.1, 0.1, 0.1, 0.1]
B = [0.2, NaN, 0.2, 0.2, 0.2, NaN, NaN]
C = [NaN, 0.5, 0.5, NaN, 0.5, 0.5, NaN]
columns = {'A':A, 'B':B, 'C':C}
df = pd.DataFrame(columns, index=ID)
df.index.name = 'ID'
print(df)

      A    B    C
ID               
1   NaN  0.2  NaN
2   NaN  NaN  0.5
3   NaN  0.2  0.5
4   0.1  0.2  NaN
5   0.1  0.2  0.5
6   0.1  NaN  0.5
7   0.1  NaN  NaN

定义函数以从 pandas DataFrame 创建一个 numpy 结构数组（不是记录数组）。

def df_to_sarray(df):
    """
    Convert a pandas DataFrame object to a numpy structured array.
    This is functionally equivalent to but more efficient than
    np.array(df.to_array())

    :param df: the data frame to convert
    :return: a numpy structured array representation of df
    """

    v = df.values
    cols = df.columns

    if six.PY2:  # python 2 needs .encode() but 3 does not
        types = [(cols[i].encode(), df[k].dtype.type) for (i, k) in enumerate(cols)]
    else:
        types = [(cols[i], df[k].dtype.type) for (i, k) in enumerate(cols)]
    dtype = np.dtype(types)
    z = np.zeros(v.shape[0], dtype)
    for (i, k) in enumerate(z.dtype.names):
        z[k] = v[:, i]
    return z

使用reset_index创建一个新的数据框，其中包含索引作为其数据的一部分。 将该数据框转换为结构体数组。

sa = df_to_sarray(df.reset_index())
sa

array([(1L, nan, 0.2, nan), (2L, nan, nan, 0.5), (3L, nan, 0.2, 0.5),
       (4L, 0.1, 0.2, nan), (5L, 0.1, 0.2, 0.5), (6L, 0.1, nan, 0.5),
       (7L, 0.1, nan, nan)], 
      dtype=[('ID', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

编辑：更新 df_to_sarray 以避免使用 python 3 调用 .encode() 时出错。感谢Joseph Garvin和halcyon的评论和解决方案。

Answer 9

示例 DataFrame 的更简单方法：

df

         gbm       nnet        reg
0  12.097439  12.047437  12.100953
1  12.109811  12.070209  12.095288
2  11.720734  11.622139  11.740523
3  11.824557  11.926414  11.926527
4  11.800868  11.727730  11.729737
5  12.490984  12.502440  12.530894

利用：

np.array(df.to_records().view(type=np.matrix))

得到：

array([[(0, 12.097439  , 12.047437, 12.10095324),
        (1, 12.10981081, 12.070209, 12.09528824),
        (2, 11.72073428, 11.622139, 11.74052253),
        (3, 11.82455653, 11.926414, 11.92652727),
        (4, 11.80086775, 11.72773 , 11.72973699),
        (5, 12.49098389, 12.50244 , 12.53089367)]],
dtype=(numpy.record, [('index', '<i8'), ('gbm', '<f8'), ('nnet', '<f4'),
       ('reg', '<f8')]))

Answer 10

将数据帧转换为其 Numpy 数组表示的两种方法。

mah_np_array = df.as_matrix(columns=None)
mah_np_array = df.values

文档： https ://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.as_matrix.html

Answer 11

我浏览了上面的答案。 “ as_matrix() ” 方法有效，但现在已过时。 对我来说，有效的是“ .to_numpy() ”。

这将返回一个多维数组。 如果您从 excel 表中读取数据并且需要从任何索引访问数据，我会更喜欢使用此方法。 希望这可以帮助：）

Answer 12

从数据框导出到 arcgis 表时遇到了类似的问题，偶然发现了 usgs 的解决方案（ https://my.usgs.gov/confluence/display/cdi/pandas.DataFrame+to+ArcGIS+Table ）。 简而言之，您的问题有类似的解决方案：

df

      A    B    C
ID               
1   NaN  0.2  NaN
2   NaN  NaN  0.5
3   NaN  0.2  0.5
4   0.1  0.2  NaN
5   0.1  0.2  0.5
6   0.1  NaN  0.5
7   0.1  NaN  NaN

np_data = np.array(np.rec.fromrecords(df.values))
np_names = df.dtypes.index.tolist()
np_data.dtype.names = tuple([name.encode('UTF8') for name in np_names])

np_data

array([( nan,  0.2,  nan), ( nan,  nan,  0.5), ( nan,  0.2,  0.5),
       ( 0.1,  0.2,  nan), ( 0.1,  0.2,  0.5), ( 0.1,  nan,  0.5),
       ( 0.1,  nan,  nan)], 
      dtype=(numpy.record, [('A', '<f8'), ('B', '<f8'), ('C', '<f8')]))

Answer 13

将数据帧转换为 numpy 数组的简单方法：

import pandas as pd
df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
df_to_array = df.to_numpy()
array([[1, 3],
   [2, 4]])

鼓励使用 to_numpy 以保持一致性。

参考： https ://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_numpy.html

Answer 14

尝试这个：

np.array(df) 

array([['ID', nan, nan, nan],
   ['1', nan, 0.2, nan],
   ['2', nan, nan, 0.5],
   ['3', nan, 0.2, 0.5],
   ['4', 0.1, 0.2, nan],
   ['5', 0.1, 0.2, 0.5],
   ['6', 0.1, nan, 0.5],
   ['7', 0.1, nan, nan]], dtype=object)

更多信息位于：[ https://docs.scipy.org/doc/numpy/reference/generated/numpy.array.html]适用于 numpy 1.16.5 和 pandas 0.25.2。

Answer 15

除了流星的回答，我找到了代码

df.index = df.index.astype('i8')

对我不起作用。 所以我把我的代码放在这里是为了方便其他人遇到这个问题。

city_cluster_df = pd.read_csv(text_filepath, encoding='utf-8')
# the field 'city_en' is a string, when converted to Numpy array, it will be an object
city_cluster_arr = city_cluster_df[['city_en','lat','lon','cluster','cluster_filtered']].to_records()
descr=city_cluster_arr.dtype.descr
# change the field 'city_en' to string type (the index for 'city_en' here is 1 because before the field is the row index of dataframe)
descr[1]=(descr[1][0], "S20")
newArr=city_cluster_arr.astype(np.dtype(descr))

将 pandas dataframe 转换为 Z3B7F949B2343F9E5390E29F6EF5E1778Z 数组

问题描述

15 个解决方案

解决方案1
530 2019-02-03 22:05:04

`df.to_numpy()`比`df.values`好，这就是原因。 ^*

警告：我们建议改用`DataFrame.to_numpy()` 。

实现更好的一致性： `to_numpy()`

扩展类型的熊猫 >= 1.0 更新

如果您需要结果中的`dtypes` ...

添加新方法的理由

对其他解决方案的批评

解决方案2
459 2016-05-05 05:29:51

解决方案3
131 2014-07-17 01:13:50

解决方案4
74 2014-03-26 06:23:21

解决方案5
38 2012-11-02 10:16:00

解决方案6
31 2018-04-23 11:51:16

解决方案7
17 2019-05-28 15:46:22

解决方案8
10 2015-06-11 05:38:53

解决方案9
8 2018-07-13 16:21:15

解决方案10
7 2017-12-29 10:02:05

解决方案11
7 2019-05-30 04:05:44

解决方案12
6 2017-11-10 14:41:55

解决方案13
5 2019-11-21 05:13:25

解决方案14
5 2019-12-30 19:46:00

解决方案15
4 2016-03-13 15:16:01

将 pandas dataframe 转换为 Z3B7F949B2343F9E5390​​E29F6EF5E1778Z 数组

问题描述

15 个解决方案

解决方案1 530 2019-02-03 22:05:04

df.to_numpy()比df.values好，这就是原因。 *

警告：我们建议改用DataFrame.to_numpy() 。

实现更好的一致性： to_numpy()

扩展类型的熊猫 >= 1.0 更新

如果您需要结果中的dtypes ...

添加新方法的理由

对其他解决方案的批评

解决方案2 459 2016-05-05 05:29:51

解决方案3 131 2014-07-17 01:13:50

解决方案4 74 2014-03-26 06:23:21

解决方案5 38 2012-11-02 10:16:00

解决方案6 31 2018-04-23 11:51:16

解决方案7 17 2019-05-28 15:46:22

解决方案8 10 2015-06-11 05:38:53

解决方案9 8 2018-07-13 16:21:15

解决方案10 7 2017-12-29 10:02:05

解决方案11 7 2019-05-30 04:05:44

解决方案12 6 2017-11-10 14:41:55

解决方案13 5 2019-11-21 05:13:25

解决方案14 5 2019-12-30 19:46:00

解决方案15 4 2016-03-13 15:16:01

将 pandas dataframe 转换为 Z3B7F949B2343F9E5390E29F6EF5E1778Z 数组

解决方案1
530 2019-02-03 22:05:04

`df.to_numpy()`比`df.values`好，这就是原因。 ^*

警告：我们建议改用`DataFrame.to_numpy()` 。

实现更好的一致性： `to_numpy()`

如果您需要结果中的`dtypes` ...

解决方案2
459 2016-05-05 05:29:51

解决方案3
131 2014-07-17 01:13:50

解决方案4
74 2014-03-26 06:23:21

解决方案5
38 2012-11-02 10:16:00

解决方案6
31 2018-04-23 11:51:16

解决方案7
17 2019-05-28 15:46:22

解决方案8
10 2015-06-11 05:38:53

解决方案9
8 2018-07-13 16:21:15

解决方案10
7 2017-12-29 10:02:05

解决方案11
7 2019-05-30 04:05:44

解决方案12
6 2017-11-10 14:41:55

解决方案13
5 2019-11-21 05:13:25

解决方案14
5 2019-12-30 19:46:00

解决方案15
4 2016-03-13 15:16:01