pandas to_numpy() 转换为 NumPy 数组

pandas 的 to_numpy 方法用于将 DataFrame 或 Series 转换为 numpy 数组。这在需要与 numpy 进行兼容操作时特别有用。

适用的数据类型

• DataFrame
• Series

语法

对于 DataFrame 和 Series，语法如下：

DataFrame.to_numpy(dtype=None, copy=False, na_value=no_default)
Series.to_numpy(dtype=None, copy=False, na_value=no_default)

参数

• dtype (dtype, 可选): 要强制转换数组元素类型的数据类型。如果为 None，则保持数据类型不变。
• copy (bool, 默认 False): 如果为 True，则总是复制数据，即使更改 dtype 也不在原地操作。
• na_value (可选): 替代缺失值的值。如果为 no_default，则保持缺失值为 numpy 的默认值。

返回值

返回一个 numpy 数组。

使用场景

• 在需要对数据进行高效的数值计算时使用 numpy 数组
• 与需要 numpy 数组作为输入的函数或库进行兼容
• 在数据处理和分析过程中，进行快速的类型转换

示例说明

pd.DataFrame({"A": [1, 2], "B": [3, 4]}).to_numpy()
'''
array([[1, 3],
       [2, 4]])
'''

对于异构数据，必须使用最低的通用类型。

df = pd.DataFrame({"A": [1, 2], "B": [3.0, 4.5]})
df.to_numpy()
'''
array([[1. , 3. ],
       [2. , 4.5]])
'''

对于数值和非数值类型的混合，输出数组将具有对象dtype。

df['C'] = pd.date_range('2000', periods=2)
df.to_numpy()
'''
array([[1, 3.0, Timestamp('2000-01-01 00:00:00')],
       [2, 4.5, Timestamp('2000-01-02 00:00:00')]], dtype=object)
'''

通过这些示例，我们可以看到 to_numpy 方法在处理不同类型和规模的数据时的应用。它能够帮助我们将 pandas 数据结构转换为 numpy 数组，以便进行高效的数值计算和与其他库的兼容性操作。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.to_numpy.html

相关内容

• pandas习题 013：如何迭代 Series 的值和索引 2024-03-15 08:50:07

更新时间：2024-08-05 20:05:27 标签：pandas python numpy