如何将Pandas系列或索引转换为NumPy数组？

Question

如何将DataFrame的索引或列作为NumPy数组或Python列表获取？

- ericmjl

---

此外，相关内容：将pandas数据框转换成NumPy数组。 - cs95

这个回答解决了你的问题吗？将 Pandas Dataframe 转换为NumPy数组 - AMC

注意：像这样将Pandas DataFrame转换为数组（或列表）可能表明存在其他问题。我强烈建议确保DataFrame是您特定用例的适当数据结构，并且Pandas不包括执行您感兴趣的操作的任何方法。 - AMC

关于我投票重新开放这个问题：从技术上讲，pandas系列与pandas数据框不同。答案可能相同，但问题肯定是不同的。 - Serge Stroobandt

Answer 1

要获得一个 NumPy 数组，您应该使用 values 属性：

In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c']); df
   A  B
a  1  4
b  2  5
c  3  6

In [2]: df.index.values
Out[2]: array(['a', 'b', 'c'], dtype=object)

这是通过访问已存储的数据进行的，因此不需要进行转换。

注意：许多其他Pandas对象也提供了此属性。

In [3]: df['A'].values
Out[3]: Out[16]: array([1, 2, 3])

获取索引列表，调用 tolist 函数：

In [4]: df.index.tolist()
Out[4]: ['a', 'b', 'c']

同样地，对于列也是如此。

- Andy Hayden

---

注意：.values已被弃用，如果您想要一个NumPy数组，则建议使用.to_numpy()进行替换。您能详细说明“这会访问数据的存储方式，因此不需要转换”吗？ - AMC

cs95的回答（https://dev59.com/XWQm5IYBdhLWcg3w6SdR#54324513）对`.values`、`.to_numpy()`和`.array`进行了很好的解释。 - AMC

Answer 2

您可以使用df.index访问索引对象，然后使用df.index.tolist()以列表形式获取其值。同样地，您可以针对Series使用df['col'].tolist()。

- bdiamante

---

它返回的是instanceMethod而不是列表数组。 - V Shreyas

@VShreyas，df.index.values.tolist()怎么样？ - LancelotHolmes

df.index.tolist() 返回的不是一个实例方法，而是索引列表。它是 pandas 索引上定义的一个方法。虽然先调用值也是一种可能性，但将工作委托给 numpy 不是一种更正，只是另一种选择。 - ayhan

Answer 3

pandas >= 0.24

使用以下方法替代.values，旧用法已被弃用！

从v0.24.0版本开始，我们将有两种全新的、更加推荐的方法，用于从Index、Series和DataFrame对象中获取NumPy数组：它们分别是to_numpy()和.array。关于使用方式，文档提到：

我们没有删除或废弃Series.values或DataFrame.values，但我们强烈建议使用.array或.to_numpy()来替代。

有关更多信息，请参见v0.24.0发行说明的此部分。

---

to_numpy()方法

df.index.to_numpy()
# array(['a', 'b'], dtype=object)

df['A'].to_numpy()
#  array([1, 4])

默认情况下，将返回视图。对其进行的任何修改都将影响原始数据。

v = df.index.to_numpy()
v[0] = -1
 
df
    A  B
-1  1  2
b   4  5

如果您需要复制而不是原地操作，请使用to_numpy(copy=True)。

v = df.index.to_numpy(copy=True)
v[-1] = -123
 
df
   A  B
a  1  2
b  4  5

注意，此函数也适用于DataFrames（而.array则不适用）。

---

array属性
该属性返回支持索引/系列的ExtensionArray对象。

pd.__version__
# '0.24.0rc1'

# Setup.
df = pd.DataFrame([[1, 2], [4, 5]], columns=['A', 'B'], index=['a', 'b'])
df

   A  B
a  1  2
b  4  5

<!- ->

df.index.array    
# <PandasArray>
# ['a', 'b']
# Length: 2, dtype: object

df['A'].array
# <PandasArray>
# [1, 4]
# Length: 2, dtype: int64

从这里开始，可以使用list获取列表：

list(df.index.array)
# ['a', 'b']

list(df['A'].array)
# [1, 4]

或者，直接调用.tolist()：

df.index.tolist()
# ['a', 'b']

df['A'].tolist()
# [1, 4]

关于返回的内容，文档中提到：

对于由普通NumPy数组支持的Series和Index，Series.array将返回一个新的arrays.PandasArray，它是一个薄的（无需复制）numpy.ndarray包装器。 arrays.PandasArray本身并不特别有用，但它确实提供了与pandas或第三方库定义的任何扩展数组相同的接口。

因此，总结一下，.array将返回以下内容之一：

1.支持Index / Series的现有ExtensionArray，或者 2.如果有支持系列的NumPy数组，则创建一个新的ExtensionArray对象，作为对底层数组的薄包装。

---

添加两个新方法的原因
这些函数是在两个GitHub问题GH19954和GH23623的讨论下添加的。

具体而言，文档提到了理由：

[...]使用.values时不清楚返回值是实际数组、其某些转换还是pandas定制数组之一（如Categorical）。例如，对于PeriodIndex，.values每次都会生成一个新的周期对象ndarray。[...]

这两个函数旨在提高API的一致性，这是朝着正确方向迈出的重要一步。

最后，.values在当前版本中不会被弃用，但我预计在将来的某个时候可能会发生这种情况，因此我建议用户尽快迁移到较新的API。

- cs95

---

S = pd.Series([3, 4]); np.asarray(S)是S.values让我感到惊讶；您知道这是否有记录在任何地方吗？（numpy 1.21.5，pandas 1.3.5） - denis

Answer 4

如果你正在处理一个多级索引的数据框，你可能只对提取其中一个名称的列感兴趣。您可以使用以下方式实现：

df.index.get_level_values('name_sub_index')

当然，name_sub_index必须是df.index.names中的一个元素，这个df.index.names是FrozenList类型的。

- gg349

Answer 5

自从pandas v0.13版以后，你也可以使用get_values方法：

df.index.get_values()

- yemu

---

这个和.values有区别吗？（我更新了版本信息，因为这个函数从0.13.0文档中出现。） - Andy Hayden

@Andy Hayden：难道一个区别不是.get_values是获取当前值的官方方式，而.values（例如在多索引上）可能会返回已删除行或列的索引值吗？ - Ezekiel Kruglick

@EzekielKruglick 所以它总是一份副本？链接到的文档非常简单，我认为你不会得到这样的重复项（即使它们在MI中，也不会在.values中）。很高兴看到一个演示这一点的例子！ - Andy Hayden

@AndyHayden：我想我误解了你的评论。你是对的，.values 是好的，.level 给出过时的信息，而 get_values 则可以正确地获取当前值，排除了被删除的行/列。原始的 GitHub 问题链接：github.com/pydata/pandas/issues/3686 但是我刚刚检查了一下，看起来 .values（当然！）提供了最新的信息，只是以我认为我们讨��的形式不同。 - Ezekiel Kruglick

@AndyHayden，没有区别。get_values只是调用.values。这需要更多的字符输入。 - cs95

Answer 6

一种更近期的方法是使用 .to_numpy() 函数。

如果我有一个包含列 'price' 的数据框，我可以按如下方式进行转换：

priceArray = df['price'].to_numpy()

您可以将数据类型（例如float或object）作为函数的参数传递。

- Jon R

Answer 7

我将pandas的dataframe转换为list，然后使用基本的list.index()。就像这样：

dd = list(zone[0]) #Where zone[0] is some specific column of the table
idx = dd.index(filename[i])

你的索引值为idx。

- Sarvagya Gupta

---

然后使用基本的list.index()。这与将Series转换为列表的问题有何关系？ - AMC

Answer 8

以下是将数据框列转换为NumPy数组的简单方法。

df = pd.DataFrame(somedict)
ytrain = df['label']
ytrain_numpy = np.array([x for x in ytrain['label']])

ytrain_numpy 是一个 NumPy 数组。

我尝试使用 to.numpy()，但是它给了我以下错误：

TypeError: no supported conversion for types: (dtype('O'),)* while doing Binary Relevance classfication using Linear SVC.

to.numpy() 将 DataFrame 转换为 NumPy 数组，但由于内部元素的数据类型是列表，因此出现了上述错误。

- Kumar Shubham

---

我尝试使用 to.numpy()，但是出现以下错误：在使用Linear SVC进行二进制相关性分类时，类型无法转换：（dtype（'O'），）。to.numpy() 将 DataFrame 转换为 numpy 数组，但是由于内部元素的数据类型为列表，因此观察到上述错误。不过其实这并不是 to_numpy 的错。 - AMC