Pandas Dataframe.to_numpy() – 将数据框架转换为Numpy数组

Pandas DataFrame是一个二维的大小可变的，可能是异质的表格数据结构，有标记的axis（行和列）。这种数据结构可以在Dataframe.to_numpy()方法的帮助下转换为NumPy ndarray。

Pandas Dataframe.to_numpy()的语法

语法: Dataframe.to_numpy(dtype = None, copy = False)

参数:

dtype:我们要传递的数据类型，如str。
copy : [bool, default False] 确保返回值不是另一个数组的视图。

返回值: numpy.ndarray

将数据框架转换为Numpy数组

这里，我们将看到如何将Dataframe转换为Numpy数组。

import pandas as pd
 
# initialize a dataframe
df = pd.DataFrame(
    [[1, 2, 3],
     [4, 5, 6],
     [7, 8, 9],
     [10, 11, 12]],
    columns=['a', 'b', 'c'])
 
# convert dataframe to numpy array
arr = df.to_numpy()
 
print('\nNumpy Array\n----------\n', arr)
print(type(arr))

输出:

Numpy Array
----------
 [[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
<class 'numpy.ndarray'>

示例 1:

在这里，我们使用CSV文件，通过使用DataFrame.to_numpy()方法将Dataframe变为Numpy数组。之后，我们通过使用df.head()方法打印Weight列的前五个值。

# importing pandas
import pandas as pd
 
# reading the csv
data = pd.read_csv("nba.csv")
 
data.dropna(inplace=True)
 
# creating DataFrame form weight column
df = pd.DataFrame(data['Weight'].head())
 
# using to_numpy() function
print(df.to_numpy())

输出:

[[180.]
 [235.]
 [185.]
 [235.]
 [238.]]

示例 2:

在这个例子中，我们只是在同一个代码中提供参数，在这里提供dtype。

# importing pandas
import pandas as pd
 
# read csv file
data = pd.read_csv("nba.csv")
 
data.dropna(inplace=True)
 
# creating DataFrame form weight column
df = pd.DataFrame(data['Weight'].head())
 
# providing dtype
print(df.to_numpy(dtype='float32'))

输出:

[[180.]
 [235.]
 [185.]
 [235.]
 [238.]]

示例 3:

转换后验证数组的类型。

# importing pandas
import pandas as pd
 
# reading csv
data = pd.read_csv("nba.csv")
 
data.dropna(inplace=True)
 
# creating DataFrame form weight column
df = pd.DataFrame(data['Weight'].head())
 
# using to_numpy()
print(type(df.to_numpy()))

输出: