Python Pandas DataFrame.to_records

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）。算术操作在行和列的标签上对齐。它可以被认为是一个类似于Dict的系列对象的容器。这是Pandas的主要数据结构。

Pandas DataFrame.to_records()函数将DataFrame转换成NumPy记录数组。如果要求的话，索引将作为记录数组的第一个字段包括在内。

语法: DataFrame.to_records(index=True, convert_datetime64=None, column_dtypes=None, index_dtypes=None)

参数:
index : bool, default True
convert_datetime64 :如果是一个DatetimeIndex，是否将索引转换为datetime.datetime。
column_dtypes : 如果是一个字符串或类型，则存储所有列的数据类型。
index_dtypes : 如果是一个字符串或类型，则为存储所有索引级别的数据类型。

返回： numpy.recarray

示例#1：使用DataFrame.to_records()函数将给定的Dataframe转换成numpy记录数组。

# importing pandas as pd
import pandas as pd
  
# Creating the DataFrame
df = pd.DataFrame({'Weight':[45, 88, 56, 15, 71],
                   'Name':['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'],
                   'Age':[14, 25, 55, 8, 21]})
  
# Create the index
index_ = pd.date_range('2010-10-09 08:45', periods = 5, freq ='H')
  
# Set the index
df.index = index_
  
# Print the DataFrame
print(df)

输出 :

现在我们将使用DataFrame.to_records()函数将给定的数据框架转换为numpy记录数组表示。

# convert to numpy record array
result = df.to_records()
  
# Print the result
print(result)

输出 :

正如我们在输出中看到的，DataFrame.to_records()函数已经成功地将给定的数据框架转换为numpy记录数组表示。

示例#2：使用DataFrame.to_records()函数将给定的Dataframe转换成numpy记录数组。

# importing pandas as pd
import pandas as pd
  
# Creating the DataFrame
df = pd.DataFrame({"A":[12, 4, 5, None, 1], 
                   "B":[7, 2, 54, 3, None], 
                   "C":[20, 16, 11, 3, 8], 
                   "D":[14, 3, None, 2, 6]}) 
  
# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']
  
# Set the index
df.index = index_
  
# Print the DataFrame
print(df)

输出 :

现在我们将使用DataFrame.to_records()函数将给定的数据框架转换为numpy记录数组表示。

# convert to numpy record array
result = df.to_records()
  
# Print the result
print(result)

输出 :

正如我们在输出中看到的，DataFrame.to_records()函数已经成功地将给定的数据框架转换为numpy记录数组表示。