Pandas y NumPy son pilares del ecosistema de ciencia de datos de Python. Pandas sobresale en la manipulación de datos con su estructura DataFrame, mientras que NumPy brilla en el cálculo numérico eficiente con sus arrays. Con frecuencia, es necesario transitar sin problemas entre estas bibliotecas, convirtiendo un DataFrame de Pandas en un array de NumPy para un análisis o procesamiento posterior. Este artículo detalla los métodos más efectivos para esta conversión.
Tabla de contenido
Método to_numpy(): El enfoque recomendado
El método to_numpy() es la forma más sencilla y eficiente de convertir un DataFrame de Pandas en un array de NumPy. Transforma directamente los valores del DataFrame en un array de NumPy, ofreciendo flexibilidad para especificar el tipo de datos.
import pandas as pd
import numpy as np
# DataFrame de ejemplo
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6], 'col3': [7.1, 8.2, 9.3]}
df = pd.DataFrame(data)
# Conversión a array NumPy
numpy_array = df.to_numpy()
print("Tipo de datos por defecto:n", numpy_array)
# Especificando el tipo de datos
numpy_array_float = df.to_numpy(dtype=np.float64)
print("nTipo de datos Float64:n", numpy_array_float)
numpy_array_int = df.to_numpy(dtype=np.int32)
print("nTipo de datos Int32 (trunca los flotantes):n", numpy_array_int)
Observe cómo especificar dtype permite un control preciso sobre el tipo del array de salida. Si se omite, to_numpy() infiere inteligentemente el tipo más apropiado a partir de los datos del DataFrame.
Atributo .values: Un enfoque heredado
El atributo .values también produce una representación de array NumPy de los datos del DataFrame. Si bien es funcionalmente similar a to_numpy(), se considera un método heredado. to_numpy() se prefiere por su claridad y naturaleza explícita.
import pandas as pd
import numpy as np
# DataFrame de ejemplo
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
# Conversión usando .values
numpy_array = df.values
print(numpy_array)
La salida es idéntica a usar to_numpy(), pero to_numpy() es la práctica más moderna y recomendada.
Método to_records(): Creando arrays estructurados
Cuando se necesita un array NumPy con campos nombrados (que se asemejan a un array estructurado), utilice el método to_records(). Convierte el DataFrame en un array de registros NumPy donde cada columna se convierte en un campo nombrado.
import pandas as pd
import numpy as np
# DataFrame de ejemplo
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
# Conversión a array de registros NumPy
numpy_record_array = df.to_records()
print(numpy_record_array)
print("nTipo de datos del array de registros:")
print(numpy_record_array.dtype)
Observe la inclusión del índice en el array de registros. Este método es especialmente valioso cuando la preservación de los nombres de las columnas dentro de la estructura del array NumPy es crucial para análisis posteriores.
En conclusión, to_numpy() es el método recomendado para conversiones generales de DataFrame a array NumPy. .values proporciona una alternativa funcionalmente equivalente, mientras que to_records() es más adecuado para arrays estructurados que requieren campos nombrados. La opción óptima depende de las necesidades específicas y la estructura deseada del array NumPy resultante.