Python Pandas DataFrame to_numpy方法用法及代码示例

Pandas DataFrame.to_numpy(~) 方法将 DataFrame 的值作为 2D NumPy 数组返回。

1.dtype | string 或 type | optional

返回的 NumPy 数组所需的数据类型。默认情况下，数据类型将是数组值的通用类型。请参阅下面的示例以进行说明。

2. copy | boolean | optional

如果 True ，则创建一个新的 NumPy 数组。修改此数组不会影响源DataFrame，反之亦然。
如果是 False ，则返回对 DataFrame 的 NumPy 数组表示形式的引用。这意味着如果修改数组，那么原来的DataFrame也会被修改，反之亦然。

默认情况下 copy=False 。

Numpy array 保存源 DataFrame 的所有值。

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[1,2], "B":[3,4]})
df



   A  B
0  1  3
1  2  4

要将 df 的值获取为 NumPy 数组：

df.to_numpy()



array([[1, 3],
       [2, 4]])

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[1,2], "B":[3.0,4.0]})
df



   A  B
0  1  3.0
1  2  4.0

这里，列 A 的类型为 int ，而列 B 的类型为 float 。

NumPy 数组的限制是它们的所有值都必须是一种类型。由于我们的 df 有两种类型，因此 to_numpy(~) 方法将选择使用 float，因为 int 可以使用 float 表示：

df.to_numpy().dtype



dtype('float64')

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[1,2], "B":[3,4]})
df



   A  B
0  1  3
1  2  4

要创建新的 NumPy 数组，请设置 copy=True 。在下面的代码片段中，我们修改数组的第一个值并检查源 DataFrame df 是否已被修改：

arr = df.to_numpy(copy=True)
arr[0,0] = 5
df



   A  B
0  1  3
1  2  4

请注意 DataFrame ( 1 ) 的第一个值如何保持不变，因为 arr 是 df 的副本。

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 Pandas DataFrame | to_numpy method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。