pandas.DataFrame.to_numpy#

DataFrame.to_numpy(dtype=None, copy=False, na_value=NoDefault.no_default)[源代码]#

将DataFrame转换为NumPy数组。

默认情况下，返回数组的dtype将是DataFrame中所有类型的公共NumPy dtype。例如，如果数据类型为 float16 和 float32 ，则结果dtype将为 float32 。这可能需要复制数据和强制取值，这可能代价高昂。

参数

dtype字符串或umpy.dtype，可选: 要传递到的数据类型 numpy.asarray() 。
copy布尔值，默认为False: 是否确保返回值不是另一个数组上的视图。请注意 copy=False 不确保那 to_numpy() 是不复印的。更确切地说， copy=True 确保复制一份，即使不是绝对必要的。
na_value任何，可选: 用于缺少值的值。缺省值取决于 dtype 和DataFrame列的数据类型。

1.1.0 新版功能.

退货

numpy.ndarray

参见

Series.to_numpy: 对级数采用类似的方法。

示例

>>> pd.DataFrame({"A": [1, 2], "B": [3, 4]}).to_numpy()
array([[1, 3],
       [2, 4]])

对于异类数据，必须使用最低的常见类型。

>>> df = pd.DataFrame({"A": [1, 2], "B": [3.0, 4.5]})
>>> df.to_numpy()
array([[1. , 3. ],
       [2. , 4.5]])

对于数值和非数值类型的混合，输出数组将具有对象dtype。

>>> df['C'] = pd.date_range('2000', periods=2)
>>> df.to_numpy()
array([[1, 3.0, Timestamp('2000-01-01 00:00:00')],
       [2, 4.5, Timestamp('2000-01-02 00:00:00')]], dtype=object)

pandas.DataFrame.to_markdown

pandas.DataFrame.to_period