Pandas2.2 DataFrame

Conversion

方法	描述
DataFrame.astype(dtype[, copy, errors])	用于將 DataFrame 中的數據轉換為指定的數據類型
DataFrame.convert_dtypes([infer_objects, …])	用于將 DataFrame 中的數據類型轉換為更合適的類型
DataFrame.infer_objects([copy])	用于嘗試將 DataFrame 中的 object 類型的列轉換為更具體的類型（如 int64、float64 或 boolean）
DataFrame.copy([deep])	用于創建 DataFrame 的副本
DataFrame.bool()	用于將 DataFrame 轉換為布爾值
DataFrame.to_numpy([dtype, copy, na_value])	用于將 DataFrame 轉換為 NumPy 數組

pandas.DataFrame.to_numpy

pandas.DataFrame.to_numpy 是一個方法，用于將 DataFrame 轉換為 NumPy 數組。這個方法非常有用，特別是在需要將 DataFrame 中的數據傳遞給其他庫（如 NumPy、SciPy 或 scikit-learn）進行進一步處理時。

方法簽名

DataFrame.to_numpy(dtype=None, copy=True, na_value=None)

參數說明

• dtype: 字符串或數據類型，默認為 None，表示返回的 NumPy 數組的數據類型。如果為 None，則使用 DataFrame 中數據的默認類型。
• copy: 布爾值，默認為 True，表示是否返回 DataFrame 數據的副本。如果設置為 False，則返回的數據數組與 DataFrame 共享內存。
• na_value: 標量值，默認為 None，表示如何表示 DataFrame 中的缺失值（NaN）。如果為 None，則使用 NumPy 的默認行為（即 np.nan）。

返回值

• 返回一個 NumPy 數組，包含 DataFrame 中的數據。

示例

假設有一個 DataFrame 如下：

import pandas as pd
import numpy as npdata = {'A': [1, 2, 3],'B': [1.1, 2.2, 3.3],'C': ['x', 'y', 'z']
}df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n數據類型:")
print(df.dtypes)

輸出:

原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object

示例1：將 DataFrame 轉換為 NumPy 數組（默認參數）

array_default = df.to_numpy()
print("轉換后的 NumPy 數組 (默認參數):")
print(array_default)
print("\n數據類型:")
print(array_default.dtype)

結果:

轉換后的 NumPy 數組 (默認參數):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]數據類型:
object

示例2：不復制數據

array_no_copy = df.to_numpy(copy=False)
print("轉換后的 NumPy 數組 (不復制數據):")
print(array_no_copy)
print("\n數據類型:")
print(array_no_copy.dtype)

結果:

轉換后的 NumPy 數組 (不復制數據):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]數據類型:
object

示例3：指定缺失值表示為 -1

df_with_na = pd.DataFrame({'A': [1, 2, np.nan],'B': [1.1, np.nan, 3.3],'C': ['x', 'y', np.nan]
})array_with_na = df_with_na.to_numpy(na_value=-1)
print("轉換后的 NumPy 數組 (指定缺失值為 -1):")
print(array_with_na)
print("\n數據類型:")
print(array_with_na.dtype)

結果:

轉換后的 NumPy 數組 (指定缺失值為 -1):
[[ 1.   1.1 -1. ][ 2.  -1.   1. ][ -1.   3.3 -1. ]]數據類型:
float64

通過這些示例，可以看到 pandas.DataFrame.to_numpy 方法如何將 DataFrame 轉換為 NumPy 數組，并且如何使用不同的參數來控制轉換的行為。

注意事項

• to_numpy 方法可以將 DataFrame 轉換為 NumPy 數組。
• 可以通過 dtype 參數指定返回的 NumPy 數組的數據類型。
• 設置 copy=True 返回 DataFrame 數據的副本，而不會共享內存。
• 設置 copy=False 返回的數據數組與 DataFrame 共享內存。
• 可以通過 na_value 參數指定如何表示 DataFrame 中的缺失值（NaN）。

示例代碼及驗證

為了驗證 pandas.DataFrame.to_numpy 方法的效果，可以運行上述示例代碼并查看輸出結果。

import pandas as pd
import numpy as np# 創建一個示例 DataFrame
data = {'A': [1, 2, 3],'B': [1.1, 2.2, 3.3],'C': ['x', 'y', 'z']
}df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n數據類型:")
print(df.dtypes)# 將 DataFrame 轉換為 NumPy 數組（默認參數）
array_default = df.to_numpy()
print("\n轉換后的 NumPy 數組 (默認參數):")
print(array_default)
print("\n數據類型:")
print(array_default.dtype)# 不復制數據
array_no_copy = df.to_numpy(copy=False)
print("\n轉換后的 NumPy 數組 (不復制數據):")
print(array_no_copy)
print("\n數據類型:")
print(array_no_copy.dtype)# 創建一個包含缺失值的 DataFrame
df_with_na = pd.DataFrame({'A': [1, 2, np.nan],'B': [1.1, np.nan, 3.3],'C': ['x', 'y', np.nan]
})# 指定缺失值表示為 -1
array_with_na = df_with_na.to_numpy(na_value=-1)
print("\n轉換后的 NumPy 數組 (指定缺失值為 -1):")
print(array_with_na)
print("\n數據類型:")
print(array_with_na.dtype)

運行結果

運行上述代碼后，你會看到以下輸出：

原始 DataFrame:A    B  C
0  1  1.1  x
1  2  2.2  y
2  3  3.3  z數據類型:
A      int64
B    float64
C     object
dtype: object轉換后的 NumPy 數組 (默認參數):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]數據類型:
object轉換后的 NumPy 數組 (不復制數據):
[[1 1.1 'x'][2 2.2 'y'][3 3.3 'z']]數據類型:
object轉換后的 NumPy 數組 (指定缺失值為 -1):
[[ 1.   1.1 -1. ][ 2.  -1.   1. ][ -1.   3.3 -1. ]]數據類型:
float64

通過這些示例，可以看到 pandas.DataFrame.to_numpy 方法如何將 DataFrame 轉換為 NumPy 數組，并且如何使用不同的參數來控制轉換的行為。