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

Pandas是一个基于Numpy的库，用于数据分析和处理。Pandas DataFrame是一种二维的表格数据结构，类似于SQL表或Excel的电子表格。DataFrame.to_numpy()是一个用于将数据框架转换为Numpy数组的方法。它返回一个包含数据框架值的二维ndarray。在本次攻略中，我们将详细讲解Pandas DataFrame.to_numpy() 的用法，并用一些实例进行演示。

方法语法

DataFrame.to_numpy(self, dtype=None, copy=False, na_value=<object object>)

方法参数

• dtype : 可选参数，用于数据类型映射或强制转换数据类型。如果未指定则根据数据框架中的数据类型进行映射，否则将使用传递的数据类型。

• copy : 默认为False，表示返回数据的引用或副本。如果为True，则始终返回数据的副本。

• na_value : 默认值为np.nan，表示数据帧中缺失值的替代值。

方法返回值

• numpy.ndarray - 转换后的numpy数组

实例演示

我们将使用一个示例数据框架进行演示，示例数据框架如下：

import pandas as pd
import numpy as np

df = pd.DataFrame({
   'name': ['Alice', 'Bob', 'Charlie', 'David'],
   'age': [25, 32, 18, np.nan],
   'gender': ['F', 'M', 'M', 'M']
})

输出：

       name   age gender
0     Alice  25.0      F
1       Bob  32.0      M
2   Charlie  18.0      M
3     David   NaN      M

下面是使用DataFrame.to_numpy()方法将数据框架转换为numpy数组的示例：

示例1：默认情况下（不指定任何参数），转换数据框架为numpy数组。

# 转换df为numpy数组
ndarray = df.to_numpy()

# 查看转换后的数组
print(ndarray)

输出：

array([['Alice', 25.0, 'F'],
       ['Bob', 32.0, 'M'],
       ['Charlie', 18.0, 'M'],
       ['David', nan, 'M']], dtype=object)

示例2：指定数据类型，转换数据框架为numpy数组。

# 指定数据类型，转换df为numpy数组
ndarray = df.to_numpy(dtype=str)

# 查看转换后的数组
print(ndarray)

输出：

array([['Alice', '25.0', 'F'],
       ['Bob', '32.0', 'M'],
       ['Charlie', '18.0', 'M'],
       ['David', 'nan', 'M']], dtype='<U7')

示例3：指定copy=True(返回数据副本)，转换数据框架为numpy数组。

# 将df转换为numpy数组，并返回其副本
ndarray = df.to_numpy(copy=True)

# 查看转换后的数组
print(ndarray)

输出：

array([['Alice', 25.0, 'F'],
       ['Bob', 32.0, 'M'],
       ['Charlie', 18.0, 'M'],
       ['David', nan, 'M']], dtype=object)

示例4：指定na_value参数，将缺失值替换为空字符串。

# 将df转换为numpy数组，并用空字符串替换缺失值
ndarray = df.to_numpy(na_value='')

# 查看转换后的数组
print(ndarray)

输出：

array([['Alice', 25.0, 'F'],
       ['Bob', 32.0, 'M'],
       ['Charlie', 18.0, 'M'],
       ['David', '', 'M']], dtype=object)

到此为止，我们已经介绍了DataFrame.to_numpy()方法的完整攻略，并用示例进行了演示和说明。to_numpy方法是Pandas、numpy等数据处理环境进行数据交换的重要方法之一。希望本篇攻略能够对您的数据处理工作带来一定的帮助。