python dataframe函数添加行名称_Python pandas.DataFrame.to_records函数方法的使用

DataFrame.to_records(index=True, column_dtypes=None, index_dtypes=None)

将DataFrame转换为一个NumPy记录数组。

如果需要，Index将被包括为记录数组的第一个字段。

参数：index ：bool, 默认为 True

如果设置，在结果记录数组中包括索引，

存储在“index”字段或使用索引标签。

column_dtypes ：str, type, dict, 默认为 None

新版本为0.24.0。

如果是字符串或类型，则数据类型要存储所有列。

如果是字典，

则列名称和索引(zero-indexed)到特定数据类型的映射。

index_dtypes：str, type, dict, 默认为 None

如果是字符串或类型，则该数据类型要存储所有索引级别。

如果是字典，

索引级别名称和索引(zero-indexed)到特定数据类型的映射。

该映射仅在index=True时应用。

返回值：numpy.recarray

NumPy ndarray，DataFrame标签为字段，DataFrame的每一行为条目。

例子>>> df = pd.DataFrame({'A': [1, 2], 'B': [0.5, 0.75]},

... index=['a', 'b'])

>>> df

A B

a 1 0.50

b 2 0.75

>>> df.to_records()

rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],

dtype=[('index', 'O'), ('A', '

如果DataFrame索引没有标签，则将recarray字段名称设置为“ index”。如果索引具有标签，则将其用作字段名称：>>> df.index = df.index.rename("I")

>>> df.to_records()

rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],

dtype=[('I', 'O'), ('A', '

索引可以从记录数组中排除：>>> df.to_records(index=False)

rec.array([(1, 0.5 ), (2, 0.75)],

dtype=[('A', '

可以为列指定数据类型：>>> df.to_records(column_dtypes={"A": "int32"})

rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],

dtype=[('I', 'O'), ('A', '

以及索引：>>> df.to_records(index_dtypes="

rec.array([(b'a', 1, 0.5 ), (b'b', 2, 0.75)],

dtype=[('I', 'S2'), ('A', '

>>> index_dtypes = f"

>>> df.to_records(index_dtypes=index_dtypes)

rec.array([(b'a', 1, 0.5 ), (b'b', 2, 0.75)],

dtype=[('I', 'S1'), ('A', '