如何将列和行的熊猫数据帧子集转换为 numpy 数组？
我想知道是否有一种更简单、内存高效的方法来从熊猫数据帧中选择行和列的子集。
例如，给定此数据帧：
df = DataFrame(np.random.rand(4,5), columns = list('abcde')) print df a b c d e 0 0.945686 0.000710 0.909158 0.892892 0.326670 1 0.919359 0.667057 0.462478 0.008204 0.473096 2 0.976163 0.621712 0.208423 0.980471 0.048334 3 0.459039 0.788318 0.309892 0.100539 0.753992
我只想要那些列c的值大于0.5的行，但是我只需要那些行的列b和e。
这就是我想出的方法——也许有更好的“熊猫”方法？
locs = [df.columns.get_loc(_) for _ in ['a', 'd']]
print df[df.c > 0.5][locs]
a d
0 0.945686 0.892892
我的最终目标是将结果转换为numpy数组，并传递到sklearn回归算法中，因此我将使用上面的代码，如下所示：
training_set = array(df[df.c > 0.5][locs])
…这让我很恼火，因为我最终在内存中获得了一个巨大的数组副本。也许还有更好的方法？
共有3个答案
.loc 同时接受行和列选择器（.ix/.iloc 仅供参考）这也是一次性完成的。
In [1]: df = DataFrame(np.random.rand(4,5), columns = list('abcde'))
In [2]: df
Out[2]:
a b c d e
0 0.669701 0.780497 0.955690 0.451573 0.232194
1 0.952762 0.585579 0.890801 0.643251 0.556220
2 0.900713 0.790938 0.952628 0.505775 0.582365
3 0.994205 0.330560 0.286694 0.125061 0.575153
In [5]: df.loc[df['c']>0.5,['a','d']]
Out[5]:
a d
0 0.669701 0.451573
1 0.952762 0.643251
2 0.900713 0.505775
如果你想要这些值（尽管这应该直接传递给 sklearn）;帧支持阵列接口
In [6]: df.loc[df['c']>0.5,['a','d']].values
Out[6]:
array([[ 0.66970138, 0.45157274],
[ 0.95276167, 0.64325143],
[ 0.90071271, 0.50577509]])
也许对于第一个问题，您可以简单地按列的名称访问列：
>>> df = pd.DataFrame(np.random.rand(4,5), columns = list('abcde'))
>>> df[df['c']>.5][['b','e']]
b e
1 0.071146 0.132145
2 0.495152 0.420219
对于第二个问题：
>>> df[df['c']>.5][['b','e']].values
array([[ 0.07114556, 0.13214495],
[ 0.49515157, 0.42021946]])
直接使用其值：
In [79]: df[df.c > 0.5][['b', 'e']].values
Out[79]:
array([[ 0.98836259, 0.82403141],
[ 0.337358 , 0.02054435],
[ 0.29271728, 0.37813099],
[ 0.70033513, 0.69919695]])
-
如何将pandas数据帧（21 x 31）转换为numpy数组？ 例如： 数组_1（n_1，n_2，n_3，…，n31） 数组_2（n_1，n_2，n_3，…，n31） 数组21（n_1，n_2，n_3，…，n31） 我尝试了以下代码段： .. 并得到如下结果： 问题是第二个方括号太多了。我该如何解决这个问题？
-
我对熊猫有些陌生。我有一个熊猫数据框，是一行23列。 我想把它转换成一个系列？我想知道做这件事最像蟒蛇的方式是什么？ 我试过pd。系列（我的结果），但它抱怨。它还没有聪明到意识到它仍然是数学术语中的“向量”。 谢谢！
-
我使用熊猫数据框来清理和处理数据。但是，我需要将其转换为numpy ndarray，以便使用利用矩阵乘法。我将数据框转换为具有以下内容的列表列表： 这将返回以下结构： 然后我将其转换为如下所示的numpy数组： 然而，以下打印： 给出这个结果： 但是，我需要它们都是numpy数组。如果它不是来自熊猫数据帧，我只是转换一个硬编码列表，那么它们都是Ndarray。当列表是从数据帧生成的时，如何获取该列
-
我有一个需要一个数据帧作为输入的计算。我想对存储在扩展到51GB的netCDF文件中的数据运行此计算-目前，我一直在使用打开文件，并使用块（我的理解是，此打开的文件实际上是一个dask数组，因此一次只能将数据块加载到内存中）。但是，我似乎无法利用这种延迟加载，因为我必须将xarray数据转换为pandas数据帧才能运行我的计算——我的理解是，在这一点上，所有数据都加载到内存中（这是不好的）。 所以
-
我有一个这样的字典列表： 我想把它变成一个熊猫，如下所示： 注意：列的顺序并不重要。 如何将字典列表转换为如上所示的数据帧？
-
假设熊猫数据帧如下所示： 如何将第三行（如row3）提取为pd数据帧？换句话说，row3.shape应该是（1,5），row3.head（）应该是：