Python：从 DataFrame 中的两列创建结构化的 numpy 结构化数组

Question

如何从 DataFrame 中的两列创建结构化数组？我试过这个：

df = pd.DataFrame(data=[[1,2],[10,20]], columns=['a','b'])
df

    a   b
0   1   2
1   10  20

x = np.array([([val for val in list(df['a'])],
               [val for val in list(df['b'])])])

但这给了我这个：

array([[[ 1, 10],
        [ 2, 20]]])

但我想要这个：

[(1,2),(10,20)]

谢谢！

Answer 1

有几种方法。与常规 NumPy 数组相比，您可能会遇到性能和功能方面的损失。

记录数组

您可以pd.DataFrame.to_records与index=False. 从技术上讲，这是一个记录数组，但对于许多目的来说这已经足够了。

res1 = df.to_records(index=False)

print(res1)

rec.array([(1, 2), (10, 20)], 
          dtype=[('a', '<i8'), ('b', '<i8')])

结构化数组

手动，您可以通过转换为tuple按行构造结构化数组，然后为dtype参数指定元组列表。

s = df.dtypes
res2 = np.array([tuple(x) for x in df.values], dtype=list(zip(s.index, s)))

print(res2)

array([(1, 2), (10, 20)], 
      dtype=[('a', '<i8'), ('b', '<i8')])

有什么不同？

很少。recarray是ndarray常规 NumPy 数组类型的子类。另一方面，第二个示例中的结构化数组的类型为ndarray。

type(res1)                    # numpy.recarray
isinstance(res1, np.ndarray)  # True
type(res2)                    # numpy.ndarray

主要区别在于记录数组便于属性查找，而结构化数组将产生AttributeError：

print(res1.a)
array([ 1, 10], dtype=int64)

print(res2.a)
AttributeError: 'numpy.ndarray' object has no attribute 'a'

相关：NumPy“记录数组”或“结构化数组”或“记录数组”

Answer 2

使用列表理解将嵌套lists 转换为tuples：

print ([tuple(x) for x in df.values.tolist()])
[(1, 2), (10, 20)]

细节：

print (df.values.tolist())
[[1, 2], [10, 20]]

编辑：您可以转换为to_records，然后转换为np.asarray，检查链接：

df = pd.DataFrame(data=[[True, 1,2],[False, 10,20]], columns=['a','b','c'])
print (df)
       a   b   c
0   True   1   2
1  False  10  20

print (np.asarray(df.to_records(index=False)))
[( True,  1,  2) (False, 10, 20)]