将Numpy结构化数组转换为Pandas数据框

Question

我从以下代码中获取了一个结构化的numpy数组:

```python ```

data = np.genfromtxt(fname, dtype = None, comments = '#', skip_header=1, usecols=(ucols))

第一列是数据集其余部分的乱序索引（我希望保留它）。我想将这个结构化数组转换为 Pandas 数据框，并将乱序索引作为数据框的可调用索引。

编辑：

import numpy as np

test = np.array([(45,1,'mars',1,1),(67,1,'pluto',1,1),(12,1,'saturn',1,1)],dtype='i,f,U10,i,f')

创建一个numpy结构化数组，调用第一个条目会返回：

In [5]: test[0]
Out[5]: (45, 1., 'mars', 1, 1.)

调用整个数组:

In [6]: test
Out[6]: 
array([(45, 1., 'mars', 1, 1.), (67, 1., 'pluto', 1, 1.),
       (12, 1., 'saturn', 1, 1.)],
      dtype=[('f0', '<i4'), ('f1', '<f4'), ('f2', '<U10'), ('f3', '<i4'), ('f4', '<f4')])

我希望将这个结构化数组转换为pandas数据框。在这个例子中，让45、67和12成为可调用的索引，以访问数组“行”中的数据。

- QuantumPanda

---

你能否提供一个最小化、完整和可验证的示例，并附上预期输出？ - fuglede

当然，我会进行编辑。 - QuantumPanda

Answer 1

通过这个示例，您可以让

df = pd.DataFrame(test).set_index('f0')

通过这样，你可以访问第45行的内容，只需使用df.loc[45]即可。

- fuglede

Answer 2

假设您已经执行了import pandas as pd：

df = pd.DataFrame(test) # converts your array to a DataFrame.
df = df.set_index('f0') # changes the index to be the first column.

- Davis Engeler

---

我发布的代码创建了一个numpy结构化数组，我想将这个结构化数组转换成一个pandas数据帧，其中第一列作为数据框的可调用索引。 - QuantumPanda