将pandas数据帧转换为numpy数组 - 哪种方法更适合？

Question

我需要将大型数据帧转换为numpy数组.仅保留数值和类型.我知道有很好的记录方法可以这样做.

那么,哪一个更喜欢？

df.values
df._as_matrix()
pd.to_numeric(df)
... others ...

决策因素:

• 效率

• 安全地操作nan,np.nans和其他可能的意外值

• 数值稳定

Answer 1

你提到的功能有不同的用途.

1. pd.to_numeric:如果您的数据当前未以数字形式存储,或者您希望通过downcast='float'或转换 为最佳类型,则使用此选项转换数据框中的类型downcast='integer'.

2. pd.DataFrame.to_numpy():使用此选项检索pd.DataFrame.values数据框的数组表示形式.

3. numpy:不要用这个.它仅用于向后兼容.

Answer 2

在引擎盖下，a pandas.DataFrame只不过是a numpy.array。最简单且可能最快的方法是使用pandas.DataFrame.values

DataFrame.values

NDFrame的Numpy表示

笔记

dtype将是一个较低的公分母dtype（隐式向上转换）；也就是说，如果dtypes（甚至是数字类型）混合在一起，则将选择容纳所有类型的dtypes。如果不处理块，请小心使用。

例如，如果dtype是float16和float32，则dtype将被向上转换为float32。如果dtype是int32和uint8，则dtype将被转换为int32。按照numpy.find_common_type约定，将int64和uint64混合使用将产生flot64 dtype。