问题:如何将熊猫系列或索引转换为Numpy数组?
您是否知道如何以NumPy数组或python列表的形式获取DataFrame的索引或列?
回答 0
要获取NumPy数组,应使用以下values
属性:
In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c']); df
A B
a 1 4
b 2 5
c 3 6
In [2]: df.index.values
Out[2]: array(['a', 'b', 'c'], dtype=object)
这样可以访问数据的存储方式,因此无需进行转换。
注意:此属性也可用于其他许多熊猫的对象。
In [3]: df['A'].values
Out[3]: Out[16]: array([1, 2, 3])
要将索引作为列表获取,请调用tolist
:
In [4]: df.index.tolist()
Out[4]: ['a', 'b', 'c']
同样,对于列。
回答 1
您可以使用df.index
访问索引对象,然后使用来获取列表中的值df.index.tolist()
。同样,您可以将其df['col'].tolist()
用于Series。
回答 2
熊猫> = 0.24
.values
不赞成使用这些方法,而推荐使用这些方法!
从v0.24.0开始,我们将有两个崭新的品牌,从获得与NumPy阵列的优选方法Index
,Series
和DataFrame
对象:他们是to_numpy()
和.array
。关于用法,文档提到:
我们尚未删除或弃用
Series.values
或DataFrame.values
,但我们强烈建议您使用.array
或.to_numpy()
代替。
有关更多信息,请参见v0.24.0发行说明的这一部分。
df.index.to_numpy()
# array(['a', 'b'], dtype=object)
df['A'].to_numpy()
# array([1, 4])
默认情况下,返回一个视图。所做的任何修改都会影响原件。
v = df.index.to_numpy()
v[0] = -1
df
A B
-1 1 2
b 4 5
如果您需要副本,请使用to_numpy(copy=True
);
v = df.index.to_numpy(copy=True)
v[-1] = -123
df
A B
a 1 2
b 4 5
请注意,此功能也适用于DataFrames(而不适用于.array
)。
array
属性
此属性返回一个ExtensionArray
支持索引/系列的对象。
pd.__version__
# '0.24.0rc1'
# Setup.
df = pd.DataFrame([[1, 2], [4, 5]], columns=['A', 'B'], index=['a', 'b'])
df
A B
a 1 2
b 4 5
df.index.array
# <PandasArray>
# ['a', 'b']
# Length: 2, dtype: object
df['A'].array
# <PandasArray>
# [1, 4]
# Length: 2, dtype: int64
在这里,可以使用来获取列表list
:
list(df.index.array)
# ['a', 'b']
list(df['A'].array)
# [1, 4]
或者,直接调用.tolist()
:
df.index.tolist()
# ['a', 'b']
df['A'].tolist()
# [1, 4]
关于返回的内容,文档中提到,
对于由常规NumPy数组支持的
Series
和Index
,Series.array
将返回一个newarrays.PandasArray
,它是一个薄的(无副本)包装numpy.ndarray
。arrays.PandasArray
本身并不是特别有用,但它确实提供了与pandas或第三方库中定义的任何扩展数组相同的接口。
因此,总而言之,.array
将返回
- 现有
ExtensionArray
的索引/系列支持,或 - 如果有支持该系列的NumPy数组,则将新
ExtensionArray
对象创建为基础数组上的精简包装。
添加两种新方法的原理
这些功能是在GitHub两个问题GH19954和GH23623下进行讨论的结果而添加的。
具体来说,文档提到了基本原理:
[…]
.values
目前尚不清楚返回的值是实际数组,它的某种转换还是熊猫自定义数组之一(如Categorical
)。例如,使用PeriodIndex
,每次都会.values
生成一个新ndarray
的周期对象。[…]
这两个功能旨在提高API的一致性,这是朝正确方向迈出的重要一步。
最后,.values
不会在当前版本中弃用,但我希望这种情况将来可能会发生,因此,我敦促用户尽快迁移到较新的API。
回答 3
如果要处理多索引数据框,则可能只对提取多索引一个名称的列感兴趣。您可以这样做
df.index.get_level_values('name_sub_index')
并且当然name_sub_index
必须是FrozenList
df.index.names
回答 4
从pandas v0.13开始,您还可以使用get_values
:
df.index.get_values()
回答 5
我将大熊猫转换dataframe
为list
,然后使用基本list.index()
。像这样:
dd = list(zone[0]) #Where zone[0] is some specific column of the table
idx = dd.index(filename[i])
您将索引值设为idx
。
回答 6
最近执行此操作的方法是使用.to_numpy()函数。
如果我的数据框的价格为“价格”列,则可以按以下方式进行转换:
priceArray = df['price'].to_numpy()
您还可以将数据类型(例如float或object)作为函数的参数传递
回答 7
以下是将dataframe列转换为numpy数组的简单方法。
df = pd.DataFrame(somedict)
ytrain = df['label']
ytrain_numpy = np.array([x for x in ytrain['label']])
ytrain_numpy是一个numpy数组。
我尝试过,to.numpy()
但是给了我以下错误:
TypeError:在使用线性SVC进行二进制相关性分类时,不支持类型转换:(dtype(’O’),)。to.numpy()正在将dataFrame转换为numpy数组,但是内部元素的数据类型为list,因此会观察到上述错误。