pandas.DataFrame.to_numpy #
- 数据框。to_numpy ( dtype = None , copy = False , na_value = _NoDefault.no_default ) [来源] #
将 DataFrame 转换为 NumPy 数组。
默认情况下,返回数组的数据类型将是 DataFrame 中所有类型的通用 NumPy 数据类型。例如,如果 dtype 为
float16
和float32
,则结果 dtype 将为float32
。这可能需要复制数据和强制值,这可能会很昂贵。- 参数:
- dtype str 或 numpy.dtype,可选
要传递给 的 dtype
numpy.asarray()
。- 复制bool,默认 False
是否确保返回值不是另一个数组的视图。请注意,这
copy=False
并不能确保不可to_numpy()
复制。相反,copy=True
即使不是绝对必要,也要确保制作副本。- na_value任意,可选
用于缺失值的值。默认值取决于dtype和 DataFrame 列的 dtypes。
- 返回:
- numpy.ndarray
也可以看看
Series.to_numpy
系列的类似方法。
例子
>>> pd.DataFrame({"A": [1, 2], "B": [3, 4]}).to_numpy() array([[1, 3], [2, 4]])
对于异构数据,必须使用最低通用类型。
>>> df = pd.DataFrame({"A": [1, 2], "B": [3.0, 4.5]}) >>> df.to_numpy() array([[1. , 3. ], [2. , 4.5]])
对于数字和非数字类型的混合,输出数组将具有对象数据类型。
>>> 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)