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)