将 pandas 数据帧转换为结构化数组

Question

我有以下

pandas

数据框

import pandas as pd
a = [2.5,3.3]
b = [3.6,3.9]
D = {'A': a, 'B': b}

这给了我类似的东西

+---+-----+-----+
|   |  A  |  B  |
+---+-----+-----+
| 0 | 2.5 | 3.3 |
| 1 | 3.6 | 3.9 |
+---+-----+-----+ 

我想将此数据帧转换为结构化数组，例如

data = np.rec.array([
('A', 2.5),
('A', 3.6),
('B', 3.3),
('B', 3.9),
], dtype = [('Type','|U5'),('Value', '<i8')])

我没能找到一种方法来实现这一点，因为我是熊猫新手。我尝试过

pd.to_records

但索引妨碍了我，我找不到解决方法。

如有任何帮助，我们将不胜感激。谢谢。

Answer 1

融合DataFrame，使

A

和

B

（列索引）成为一列。 要摆脱数字索引，请将此新列设为索引。然后拨打

to_records()

:

import pandas as pd
a = [2.5,3.3]
b = [3.6,3.9]
D = {'A': a, 'B': b}
df = pd.DataFrame(D)
result = (pd.melt(df, var_name='Type', value_name='Value')
          .set_index('Type').to_records())
print(repr(result))

产量

rec.array([('A',  2.5), ('A',  3.3), ('B',  3.6), ('B',  3.9)], 
          dtype=[('Type', 'O'), ('Value', '<f8')])

---

这是关键步骤：

In [167]: df
Out[167]: 
     A    B
0  2.5  3.6
1  3.3  3.9

In [168]: pd.melt(df)
Out[168]: 
  variable  value
0        A    2.5
1        A    3.3
2        B    3.6
3        B    3.9

一旦熔化了 DataFrame，

to_records

（基本上）就会返回所需的结果：

In [169]: pd.melt(df).to_records()
Out[169]: 
rec.array([(0, 'A',  2.5), (1, 'A',  3.3), (2, 'B',  3.6), (3, 'B',  3.9)], 
          dtype=[('index', '<i8'), ('variable', 'O'), ('value', '<f8')])

Answer 2

对我有用，不会融化

pandas版本：1.5.2，numpy版本：1.23.5，python 3.10.4

records = df.to_records(index=False)
data = np.array(records, dtype = records.dtype.descr)

Answer 3

np.rec.fromrecords(list(zip(df.melt().variable,df.melt().value)))
Out[531]: 
rec.array([('A',  2.5), ('A',  3.3), ('B',  3.6), ('B',  3.9)], 
          dtype=[('f0', '<U1'), ('f1', '<f8')])

Answer 4

你可以融化并调用to_records：

pd.melt(df).to_records(index=False)

Answer 5

这些都不适合我，当我尝试对 ndarray 执行任何操作时，我收到如下错误：

Cannot cast array data from dtype((numpy.record, [('14', '<f8'), ('15', '<f8'), ('16', '<f8'), ....

起作用的是用于转换为 numpy 的 pandas 内置函数！

data = df.to_numpy(dtype='float')