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)