Python-将pandas数据框转换为NumPy数组
我对知道如何将熊猫数据框转换为NumPy数组感兴趣。
数据框：
import numpy as np
import pandas as pd
index = [1, 2, 3, 4, 5, 6, 7]
a = [np.nan, np.nan, np.nan, 0.1, 0.1, 0.1, 0.1]
b = [0.2, np.nan, 0.2, 0.2, 0.2, np.nan, np.nan]
c = [np.nan, 0.5, 0.5, np.nan, 0.5, 0.5, np.nan]
df = pd.DataFrame({'A': a, 'B': b, 'C': c}, index=index)
df = df.rename_axis('ID')
给
label A B C
ID
1 NaN 0.2 NaN
2 NaN NaN 0.5
3 NaN 0.2 0.5
4 0.1 0.2 NaN
5 0.1 0.2 0.5
6 0.1 NaN 0.5
7 0.1 NaN NaN
我想将其转换为NumPy数组，如下所示：
array([[ nan, 0.2, nan],
[ nan, nan, 0.5],
[ nan, 0.2, 0.5],
[ 0.1, 0.2, nan],
[ 0.1, 0.2, 0.5],
[ 0.1, nan, 0.5],
[ 0.1, nan, nan]])
我怎样才能做到这一点？
作为奖励，是否可以像这样保留dtype？
array([[ 1, nan, 0.2, nan],
[ 2, nan, nan, 0.5],
[ 3, nan, 0.2, 0.5],
[ 4, 0.1, 0.2, nan],
[ 5, 0.1, 0.2, 0.5],
[ 6, 0.1, nan, 0.5],
[ 7, 0.1, nan, nan]],
dtype=[('ID', '<i4'), ('A', '<f8'), ('B', '<f8'), ('B', '<f8')])
或类似的？
问题答案：
要将pandas数据框（df）转换为numpy ndarray，请使用以下代码：
df.values
array([[nan, 0.2, nan],
[nan, nan, 0.5],
[nan, 0.2, 0.5],
[0.1, 0.2, nan],
[0.1, 0.2, 0.5],
[0.1, nan, 0.5],
[0.1, nan, nan]])
-
问题内容： 我正在尝试将Pandas DF转换为Spark one。DF头： 码： 我得到一个错误： 问题答案： 您需要确保您的pandas dataframe列适合spark推断的类型。如果您的熊猫数据框列出类似以下内容： 而且您遇到该错误，请尝试： 现在，确保实际上是您希望这些列成为的类型。基本上，当底层Java代码尝试从python中的对象推断类型时，它会使用一些观察值并做出猜测，如果该猜测
-
问题内容： 我正在从Pandas数据框创建矩阵，如下所示： 然后使用以下公式生成稀疏矩阵： 从df直线到稀疏矩阵有什么办法吗？ 提前致谢。 问题答案： 是一个numpy数组，以这种方式访问值总是比快。 您可能需要先进行移调，例如。在DataFrames中，列为轴0。
-
问题内容： 我试图将输出转换为熊猫数据框，但我很努力。我有这个清单 我想创建一个具有3列和3行的熊猫数据框。我尝试使用 但它似乎对我不起作用。任何帮助，将不胜感激。 问题答案： 您需要转换为然后：
-
问题内容： 我需要将列表转换为一列熊猫数据框 当前列表（len = 3）： 所需的熊猫DF（形状= 3，）： 请注意，这些数字代表上述“必需熊猫” DF中的索引。 问题答案： 采用： 谢谢DYZ：
-
以下是一个数据帧 它需要转换成一个Numpy数组，其中成为Numpy数组的索引，成为相应的值。 即，，等等。 如何做到这一点？
-
问题内容： 我正在从一列存储为JSON的数据库（超过5万行）中读取数据。我想将其提取到pandas数据框中。下面的代码片段可以正常工作，但是效率很低，并且在对整个数据库运行时会花费很多时间。请注意，并非所有项目都具有相同的属性，并且JSON具有一些嵌套的属性。 我怎样才能使它更快？ 问题答案： json_normalize接受一个已经处理过的json字符串或一系列这样的字符串。 设定