【Pandas】pandas DataFrame to_numpy

Pandas2.2 DataFrame

Conversion

方法	描述
DataFrame.astype(dtype[, copy, errors])	用于将 DataFrame 中的数据转换为指定的数据类型
DataFrame.convert_dtypes([infer_objects, …])	用于将 DataFrame 中的数据类型转换为更合适的类型
DataFrame.infer_objects([copy])	用于尝试将 DataFrame 中的 object 类型的列转换为更具体的类型（如 int64、float64 或 boolean）
DataFrame.copy([deep])	用于创建 DataFrame 的副本
DataFrame.bool()	用于将 DataFrame 转换为布尔值
DataFrame.to_numpy([dtype, copy, na_value])	用于将 DataFrame 转换为 NumPy 数组

pandas.DataFrame.to_numpy

pandas.DataFrame.to_numpy 是一个方法，用于将 DataFrame 转换为 NumPy 数组。这个方法非常有用，特别是在需要将 DataFrame 中的数据传递给其他库（如 NumPy、SciPy 或 scikit-learn）进行进一步处理时。

方法签名

DataFrame.to_numpy(dtype=None, copy=True, na_value=None)

参数说明

• dtype: 字符串或数据类型，默认为 None，表示返回的 NumPy 数组的数据类型。如果为 None，则使用 DataFrame 中数据的默认类型。
• copy: 布尔值，默认为 True，表示是否返回 DataFrame 数据的副本。如果设置为 False，则返回的数据数组与 DataFrame 共享内存。
• na_value: 标量值，默认为 None，表示如何表示 DataFrame 中的缺失值（NaN）。如果为 None，则使用 NumPy 的默认行为（即 np.nan）。

返回值

• 返回一个 NumPy 数组，包含 DataFrame 中的数据。

示例

假设有一个 DataFrame 如下：

import pandas as pd
import numpy as npdata = {'A': [1, 2, 3],'B': [1.1, 2.2, 3.3],'C': ['x', 'y', 'z']
}df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n数据类型:")
print(df.dtypes)

输出:

原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z数据类型:
A      int64
B    float64
C     object
dtype: object

示例1：将 DataFrame 转换为 NumPy 数组（默认参数）

array_default = df.to_numpy()
print("转换后的 NumPy 数组 (默认参数):")
print(array_default)
print("\n数据类型:")
print(array_default.dtype)

结果:

转换后的 NumPy 数组 (默认参数):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]数据类型:
object

示例2：不复制数据

array_no_copy = df.to_numpy(copy=False)
print("转换后的 NumPy 数组 (不复制数据):")
print(array_no_copy)
print("\n数据类型:")
print(array_no_copy.dtype)

结果:

转换后的 NumPy 数组 (不复制数据):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]数据类型:
object

示例3：指定缺失值表示为 -1

df_with_na = pd.DataFrame({'A': [1, 2, np.nan],'B': [1.1, np.nan, 3.3],'C': ['x', 'y', np.nan]
})array_with_na = df_with_na.to_numpy(na_value=-1)
print("转换后的 NumPy 数组 (指定缺失值为 -1):")
print(array_with_na)
print("\n数据类型:")
print(array_with_na.dtype)

结果:

转换后的 NumPy 数组 (指定缺失值为 -1):
[[ 1.   1.1 -1. ][ 2.  -1.   1. ][ -1.   3.3 -1. ]]数据类型:
float64

通过这些示例，可以看到 pandas.DataFrame.to_numpy 方法如何将 DataFrame 转换为 NumPy 数组，并且如何使用不同的参数来控制转换的行为。

注意事项

• to_numpy 方法可以将 DataFrame 转换为 NumPy 数组。
• 可以通过 dtype 参数指定返回的 NumPy 数组的数据类型。
• 设置 copy=True 返回 DataFrame 数据的副本，而不会共享内存。
• 设置 copy=False 返回的数据数组与 DataFrame 共享内存。
• 可以通过 na_value 参数指定如何表示 DataFrame 中的缺失值（NaN）。

示例代码及验证

为了验证 pandas.DataFrame.to_numpy 方法的效果，可以运行上述示例代码并查看输出结果。

import pandas as pd
import numpy as np# 创建一个示例 DataFrame
data = {'A': [1, 2, 3],'B': [1.1, 2.2, 3.3],'C': ['x', 'y', 'z']
}df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n数据类型:")
print(df.dtypes)# 将 DataFrame 转换为 NumPy 数组（默认参数）
array_default = df.to_numpy()
print("\n转换后的 NumPy 数组 (默认参数):")
print(array_default)
print("\n数据类型:")
print(array_default.dtype)# 不复制数据
array_no_copy = df.to_numpy(copy=False)
print("\n转换后的 NumPy 数组 (不复制数据):")
print(array_no_copy)
print("\n数据类型:")
print(array_no_copy.dtype)# 创建一个包含缺失值的 DataFrame
df_with_na = pd.DataFrame({'A': [1, 2, np.nan],'B': [1.1, np.nan, 3.3],'C': ['x', 'y', np.nan]
})# 指定缺失值表示为 -1
array_with_na = df_with_na.to_numpy(na_value=-1)
print("\n转换后的 NumPy 数组 (指定缺失值为 -1):")
print(array_with_na)
print("\n数据类型:")
print(array_with_na.dtype)

运行结果

运行上述代码后，你会看到以下输出：

原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z数据类型:
A      int64
B    float64
C     object
dtype: object转换后的 NumPy 数组 (默认参数):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]数据类型:
object转换后的 NumPy 数组 (不复制数据):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]数据类型:
object转换后的 NumPy 数组 (指定缺失值为 -1):
[[ 1.   1.1 -1. ][ 2.  -1.   1. ][ -1.   3.3 -1. ]]数据类型:
float64

通过这些示例，可以看到 pandas.DataFrame.to_numpy 方法如何将 DataFrame 转换为 NumPy 数组，并且如何使用不同的参数来控制转换的行为。