Pandas DataFrame高效转换为NumPy数组

Pandas和NumPy是Python数据科学生态系统的基石。Pandas凭借其DataFrame结构擅长数据操作，而NumPy凭借其数组在高效数值计算方面表现出色。通常，您需要在这两个库之间无缝转换，将Pandas DataFrame转换为NumPy数组以进行进一步分析或处理。本文详细介绍了这种转换最有效的方法。

目录

• to_numpy()方法
• .values属性
• to_records()方法

to_numpy()方法：推荐方法

to_numpy()方法是将Pandas DataFrame转换为NumPy数组最直接、最有效的方法。它直接将DataFrame的值转换为NumPy数组，并提供指定数据类型的灵活性。

import pandas as pd
import numpy as np

# 示例DataFrame
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6], 'col3': [7.1, 8.2, 9.3]}
df = pd.DataFrame(data)

# 转换为NumPy数组
numpy_array = df.to_numpy()
print("默认dtype:n", numpy_array)

# 指定dtype
numpy_array_float = df.to_numpy(dtype=np.float64)
print("nFloat64 dtype:n", numpy_array_float)

numpy_array_int = df.to_numpy(dtype=np.int32)
print("nInt32 dtype (浮点数将被截断):n", numpy_array_int)

请注意，指定dtype如何允许精确控制输出数组的类型。如果省略，to_numpy()会根据DataFrame的数据智能地推断最合适的类型。

.values属性：传统方法

.values属性也产生DataFrame数据的NumPy数组表示。虽然功能上与to_numpy()类似，但它被认为是一种传统方法。to_numpy()因其清晰性和明确性而更受青睐。

import pandas as pd
import numpy as np

# 示例DataFrame
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)

# 使用.values转换
numpy_array = df.values
print(numpy_array)

输出与使用to_numpy()相同，但to_numpy()是更现代化和推荐的做法。

to_records()方法：创建结构化数组

当您需要一个具有命名字段（类似于结构化数组）的NumPy数组时，请使用to_records()方法。它将DataFrame转换为NumPy记录数组，其中每一列都成为一个命名字段。

import pandas as pd
import numpy as np

# 示例DataFrame
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)

# 转换为NumPy记录数组
numpy_record_array = df.to_records()

print(numpy_record_array)
print("n记录数组的数据类型：")
print(numpy_record_array.dtype)

请注意记录数组中包含索引。当在NumPy数组结构中保留列名对于后续分析至关重要时，此方法尤其有用。

总之，to_numpy()是推荐用于一般DataFrame到NumPy数组转换的方法。.values提供功能上等效的替代方案，而to_records()最适合需要命名字段的结构化数组。最佳选择取决于特定需求和所需NumPy数组的结构。