numpy array與pandas的DataFrame轉(zhuǎn)換

1.numpy的array轉(zhuǎn)換為pandas的DataFrame

mat為array數(shù)組，df為轉(zhuǎn)換的DataFrame數(shù)據(jù)表

array:

array([[-0.35634004, -0.80776298, -0.46225068, ?0.18545311],
? ? ? ?[-1.42016031, ?0.30656195, ?0.48116582, -1.50056694],
? ? ? ?[-0.82736929, -1.07835642, ?2.35918293, ?0.06560682]])

代碼：

import numpy as np
import pandas as pd
mat = np.random.randn(3,4)
df = pd.DataFrame(mat)
df

? ? ? ?0 ? ? ? ? ? 1 ? ? ? ? ? 2 ? ? ? ? ? 3
?0 ?-0.356340 ? -0.807763 ? -0.462251 ? 0.185453
?1 ?-1.420160 ? ?0.306562 ? 0.481166 ? -1.500567
?2 ?-0.827369 ? -1.078356 ? 2.359183 ? ?0.065607

2.pandas的DataFrame轉(zhuǎn)換為numpy的array

代碼：

import numpy as np
import pandas as pd
mat = np.array(df)
mat

array([[-0.35634004, -0.80776298, -0.46225068, ?0.18545311],
? ? ? ?[-1.42016031, ?0.30656195, ?0.48116582, -1.50056694],
? ? ? ?[-0.82736929, -1.07835642, ?2.35918293, ?0.06560682]])

Pandas DataFrame轉(zhuǎn)換成Numpy中array的三種方法

在用pandas包和numpy包對(duì)數(shù)據(jù)進(jìn)行分析和計(jì)算時(shí)，經(jīng)常用到DataFrame和array類型的數(shù)據(jù)。在對(duì)DataFrame類型的數(shù)據(jù)進(jìn)行處理時(shí)，需要將其轉(zhuǎn)換成array類型，是以下列出了三種轉(zhuǎn)換方法。

首先導(dǎo)入numpy模塊、pandas模塊、創(chuàng)建一個(gè)DataFrame類型數(shù)據(jù)df

import numpy as np
import pandas as pd
 
df=pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})

1.使用DataFrame中的values方法

df.values

2.使用DataFrame中的as_matrix()方法

df.as_matrix()

3.使用Numpy中的array方法

np.array(df)

三種方法效果相同，都能實(shí)現(xiàn)DataFrame到array的轉(zhuǎn)換，效果如下。

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持本站。

美國(guó)穩(wěn)定服務(wù)器

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。