Pandas 数据框到 NumPy 数组转换指南：解决数据处理痛点

2024-03-14 02:43:50

从 Pandas 数据框到 NumPy 数组：简明扼要的指南

在数据处理和分析领域，Pandas 数据框和 NumPy 数组是两大不可或缺的工具。Pandas 数据框以表格形式组织数据，而 NumPy 数组则以多维数组的形式存储数据。在某些情况下，你需要将 Pandas 数据框转换为 NumPy 数组，以便进行进一步的操作和分析。本指南将逐步讲解如何完成此转换。

步骤 1：导入库

第一步是导入 Pandas 和 NumPy 库：

import pandas as pd
import numpy as np

步骤 2：创建 Pandas 数据框

接下来，你需要使用 Pandas 的 DataFrame() 函数创建一个 Pandas 数据框。例如：

data = {'Name': ['John', 'Jane', 'Bob', 'Alice'],
        'Age': [25, 30, 35, 40],
        'Salary': [1000, 2000, 3000, 4000]}

df = pd.DataFrame(data)

步骤 3：转换为 NumPy 数组

使用数据框的 values 属性将数据框转换为 NumPy 数组：

array = df.values

结果：

转换后的 NumPy 数组将包含数据框中的所有数据：

array([[John  25 1000]
       [Jane  30 2000]
       [Bob   35 3000]
       [Alice 40 4000]])

保留数据类型

默认情况下，values 属性将返回一个浮点型数组。如果你想保留数据框中各列的数据类型，可以使用 to_records() 方法：

array_with_dtypes = df.to_records(index=True)

结果：

转换后的数组将保留数据类型的元信息：

array([(John, 25, 1000),
       (Jane, 30, 2000),
       (Bob, 35, 3000),
       (Alice, 40, 4000)],
      dtype=[('Name', '<U4'), ('Age', '<i4'), ('Salary', '<i4')])