パンダのデータフレームをNumPy配列に変換する方法を知りたいです。

データフレーム：

import numpy as np
import pandas as pd

index = [1, 2, 3, 4, 5, 6, 7]
a = [np.nan, np.nan, np.nan, 0.1, 0.1, 0.1, 0.1]
b = [0.2, np.nan, 0.2, 0.2, 0.2, np.nan, np.nan]
c = [np.nan, 0.5, 0.5, np.nan, 0.5, 0.5, np.nan]
df = pd.DataFrame({'A': a, 'B': b, 'C': c}, index=index)
df = df.rename_axis('ID')

与える

label   A    B    C
ID                                 
1   NaN  0.2  NaN
2   NaN  NaN  0.5
3   NaN  0.2  0.5
4   0.1  0.2  NaN
5   0.1  0.2  0.5
6   0.1  NaN  0.5
7   0.1  NaN  NaN

これをNumPy配列に変換したいと思います。

array([[ nan,  0.2,  nan],
       [ nan,  nan,  0.5],
       [ nan,  0.2,  0.5],
       [ 0.1,  0.2,  nan],
       [ 0.1,  0.2,  0.5],
       [ 0.1,  nan,  0.5],
       [ 0.1,  nan,  nan]])

これどうやってするの？

おまけとして、このようにdtypeを保存することは可能ですか？

array([[ 1, nan,  0.2,  nan],
       [ 2, nan,  nan,  0.5],
       [ 3, nan,  0.2,  0.5],
       [ 4, 0.1,  0.2,  nan],
       [ 5, 0.1,  0.2,  0.5],
       [ 6, 0.1,  nan,  0.5],
       [ 7, 0.1,  nan,  nan]],
     dtype=[('ID', '<i4'), ('A', '<f8'), ('B', '<f8'), ('B', '<f8')])

または類似？

パンダデータフレーム（df）をnumpy ndarrayに変換するには、次のコードを使用します。

df.values

array([[nan, 0.2, nan],
       [nan, nan, 0.5],
       [nan, 0.2, 0.5],
       [0.1, 0.2, nan],
       [0.1, 0.2, 0.5],
       [0.1, nan, 0.5],
       [0.1, nan, nan]])

valuesおよびの使用を廃止してくださいas_matrix()！

pandas v0.24.0では、pandasオブジェクトからNumPy配列を取得するための2つの新しいメソッドが導入されました。

1. to_numpy()、およびオブジェクトで定義されIndex、Series,DataFrame
2. arrayIndexとSeriesオブジェクトでのみ定義されます。

のv0.24ドキュメントにアクセスすると.values、次のような大きな赤い警告が表示されます。

警告：DataFrame.to_numpy()代わりに使用することをお勧めします。

詳細については、v0.24.0リリースノートのこのセクションとこの回答をご覧ください。

一貫性の向上に向けて： to_numpy()

API全体の一貫性を高めるto_numpyために、DataFrameから基になるNumPy配列を抽出する新しいメソッドが導入されました。

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

df.to_numpy()
array([[1, 4],
       [2, 5],
       [3, 6]])

上述したように、このメソッドはIndexおよびSeriesオブジェクトでも定義されています（ここを参照）。

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

df['A'].to_numpy()
#  array([1, 2, 3])

デフォルトではビューが返されるため、行われた変更は元のビューに影響します。

v = df.to_numpy()
v[0, 0] = -1

df
   A  B
a -1  4
b  2  5
c  3  6

代わりにコピーが必要な場合は、to_numpy(copy=True）を使用してください。

ExtensionTypesのパンダ> = 1.0更新

pandas 1.xを使用している場合は、拡張タイプをより多く処理する可能性があります。これらの拡張タイプが正しく変換されるように、もう少し注意する必要があります。

a = pd.array([1, 2, None], dtype="Int64")                                  
a                                                                          

<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64 

# Wrong
a.to_numpy()                                                               
# array([1, 2, <NA>], dtype=object)  # yuck, objects

# Right
a.to_numpy(dtype='float', na_value=np.nan)                                 
# array([ 1.,  2., nan])

これはドキュメントで呼び出されます。

あなたが必要な場合dtypes...

別の答えに示されているように、DataFrame.to_recordsこれを行うには良い方法です。

df.to_records()
# rec.array([('a', -1, 4), ('b',  2, 5), ('c',  3, 6)],
#           dtype=[('index', 'O'), ('A', '<i8'), ('B', '<i8')])

to_numpy残念ながら、これはで行うことはできません。ただし、代わりに次のものを使用できますnp.rec.fromrecords。

v = df.reset_index()
np.rec.fromrecords(v, names=v.columns.tolist())
# rec.array([('a', -1, 4), ('b',  2, 5), ('c',  3, 6)],
#          dtype=[('index', '<U1'), ('A', '<i8'), ('B', '<i8')])

パフォーマンスに関しては、ほとんど同じです（実際には、使用rec.fromrecordsは少し高速です）。

df2 = pd.concat([df] * 10000)

%timeit df2.to_records()
%%timeit
v = df2.reset_index()
np.rec.fromrecords(v, names=v.columns.tolist())

11.1 ms ± 557 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
9.67 ms ± 126 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

新しいメソッドを追加する根拠

to_numpy()（に加えてarray）2つのGitHubの問題GH19954とGH23623での議論の結果として追加されました。

具体的には、ドキュメントは根拠に言及しています：

[...] .values戻り値が実際の配列、それの何らかの変換、またはpandasカスタム配列（などCategorical）のいずれであるかは明確ではありませんでした。たとえば、を 使用するとPeriodIndex、毎回.values新しいndarray期間オブジェクトが生成されます。[...]

to_numpyAPIの一貫性を改善することを目指しています。これは正しい方向への主要なステップです。.values現在のバージョンでは廃止されませんが、これは将来のいずれかの時点で発生する可能性があるため、できるだけ早く新しいAPIに移行することをユーザーにお願いします。

他のソリューションの批評

DataFrame.values すでに述べたように、一貫性のない動作があります。

DataFrame.get_values()は単なるラッパーなDataFrame.valuesので、上記のすべてが適用されます。

DataFrame.as_matrix()は現在非推奨です。使用しないでください！

注：.as_matrix()この回答で使用されているメソッドは廃止されています。パンダ0.23.4は警告します：

メソッド.as_matrixは将来のバージョンで削除される予定です。代わりに.valuesを使用してください。

パンダには何かが組み込まれています...

numpy_matrix = df.as_matrix()

与える

array([[nan, 0.2, nan],
       [nan, nan, 0.5],
       [nan, 0.2, 0.5],
       [0.1, 0.2, nan],
       [0.1, 0.2, 0.5],
       [0.1, nan, 0.5],
       [0.1, nan, nan]])

DataFrame.reset_index（）関数とDataFrame.values関数をチェーンして、インデックスを含むデータフレームのNumpy表現を取得します。

In [8]: df
Out[8]: 
          A         B         C
0 -0.982726  0.150726  0.691625
1  0.617297 -0.471879  0.505547
2  0.417123 -1.356803 -1.013499
3 -0.166363 -0.957758  1.178659
4 -0.164103  0.074516 -0.674325
5 -0.340169 -0.293698  1.231791
6 -1.062825  0.556273  1.508058
7  0.959610  0.247539  0.091333

[8 rows x 3 columns]

In [9]: df.reset_index().values
Out[9]:
array([[ 0.        , -0.98272574,  0.150726  ,  0.69162512],
       [ 1.        ,  0.61729734, -0.47187926,  0.50554728],
       [ 2.        ,  0.4171228 , -1.35680324, -1.01349922],
       [ 3.        , -0.16636303, -0.95775849,  1.17865945],
       [ 4.        , -0.16410334,  0.0745164 , -0.67432474],
       [ 5.        , -0.34016865, -0.29369841,  1.23179064],
       [ 6.        , -1.06282542,  0.55627285,  1.50805754],
       [ 7.        ,  0.95961001,  0.24753911,  0.09133339]])

dtypeを取得するには、このndarrayをviewを使用して構造化配列に変換する必要があります。

In [10]: df.reset_index().values.ravel().view(dtype=[('index', int), ('A', float), ('B', float), ('C', float)])
Out[10]:
array([( 0, -0.98272574,  0.150726  ,  0.69162512),
       ( 1,  0.61729734, -0.47187926,  0.50554728),
       ( 2,  0.4171228 , -1.35680324, -1.01349922),
       ( 3, -0.16636303, -0.95775849,  1.17865945),
       ( 4, -0.16410334,  0.0745164 , -0.67432474),
       ( 5, -0.34016865, -0.29369841,  1.23179064),
       ( 6, -1.06282542,  0.55627285,  1.50805754),
       ( 7,  0.95961001,  0.24753911,  0.09133339),
       dtype=[('index', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

このto_records方法を使用できますが、dtypeが最初から必要なものでない場合は、dtypeを少し試してみる必要があります。私の場合、DFを文字列からコピーしたので、インデックスタイプは文字列です（objectパンダではdtypeで表されます）。

In [102]: df
Out[102]: 
label    A    B    C
ID                  
1      NaN  0.2  NaN
2      NaN  NaN  0.5
3      NaN  0.2  0.5
4      0.1  0.2  NaN
5      0.1  0.2  0.5
6      0.1  NaN  0.5
7      0.1  NaN  NaN

In [103]: df.index.dtype
Out[103]: dtype('object')
In [104]: df.to_records()
Out[104]: 
rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)], 
      dtype=[('index', '|O8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
In [106]: df.to_records().dtype
Out[106]: dtype([('index', '|O8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

recarray dtypeの変換は私にはうまくいきませんが、Pandasでこれを既に行うことができます：

In [109]: df.index = df.index.astype('i8')
In [111]: df.to_records().view([('ID', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
Out[111]:
rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)], 
      dtype=[('ID', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

PandasはID、エクスポートされたレコード配列（バグ？）でインデックスの名前を適切に（に）設定しないことに注意してください。そのため、型変換を利用してそれも修正します。

現時点では、Pandasには8バイトの整数、i8浮動小数点数しかありませんf8（この問題を参照）。

df.to_records()うまくいくようです。あなたが探している正確な機能が要求されたとto_recordsの代替と指摘します。

私はあなたの例を使ってこれをローカルで試しました、そしてその呼び出しはあなたが探していた出力に非常に似たものをもたらします：

rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)],
      dtype=[(u'ID', '<i8'), (u'A', '<f8'), (u'B', '<f8'), (u'C', '<f8')])

これはではrecarrayなくであることに注意してくださいarray。コンストラクタをとして呼び出すことにより、結果を通常のnumpy配列に移動できnp.array(df.to_records())ます。

これを試して：

a = numpy.asarray(df)

これが、pandas DataFrameから構造体配列を作成する私のアプローチです。

データフレームを作成する

import pandas as pd
import numpy as np
import six

NaN = float('nan')
ID = [1, 2, 3, 4, 5, 6, 7]
A = [NaN, NaN, NaN, 0.1, 0.1, 0.1, 0.1]
B = [0.2, NaN, 0.2, 0.2, 0.2, NaN, NaN]
C = [NaN, 0.5, 0.5, NaN, 0.5, 0.5, NaN]
columns = {'A':A, 'B':B, 'C':C}
df = pd.DataFrame(columns, index=ID)
df.index.name = 'ID'
print(df)

      A    B    C
ID               
1   NaN  0.2  NaN
2   NaN  NaN  0.5
3   NaN  0.2  0.5
4   0.1  0.2  NaN
5   0.1  0.2  0.5
6   0.1  NaN  0.5
7   0.1  NaN  NaN

pandas DataFrameからnumpy構造体配列（レコード配列ではない）を作成する関数を定義します。

def df_to_sarray(df):
    """
    Convert a pandas DataFrame object to a numpy structured array.
    This is functionally equivalent to but more efficient than
    np.array(df.to_array())

    :param df: the data frame to convert
    :return: a numpy structured array representation of df
    """

    v = df.values
    cols = df.columns

    if six.PY2:  # python 2 needs .encode() but 3 does not
        types = [(cols[i].encode(), df[k].dtype.type) for (i, k) in enumerate(cols)]
    else:
        types = [(cols[i], df[k].dtype.type) for (i, k) in enumerate(cols)]
    dtype = np.dtype(types)
    z = np.zeros(v.shape[0], dtype)
    for (i, k) in enumerate(z.dtype.names):
        z[k] = v[:, i]
    return z

reset_indexデータの一部としてインデックスを含む新しいデータフレームを作成するために使用します。そのデータフレームを構造体配列に変換します。

sa = df_to_sarray(df.reset_index())
sa

array([(1L, nan, 0.2, nan), (2L, nan, nan, 0.5), (3L, nan, 0.2, 0.5),
       (4L, 0.1, 0.2, nan), (5L, 0.1, 0.2, 0.5), (6L, 0.1, nan, 0.5),
       (7L, 0.1, nan, nan)], 
      dtype=[('ID', '<i8'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

編集：python 3で.encode（）を呼び出すエラーを回避するためにdf_to_sarrayを更新しました 。コメントと解決策を提供してくれたJoseph Garvinとhalcyonに感謝します。

データフレームをNumpy配列表現に変換する2つの方法。

• mah_np_array = df.as_matrix(columns=None)

• mah_np_array = df.values

ドキュメント：https : //pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.as_matrix.html

サンプルDataFrameのより簡単な方法：

df

         gbm       nnet        reg
0  12.097439  12.047437  12.100953
1  12.109811  12.070209  12.095288
2  11.720734  11.622139  11.740523
3  11.824557  11.926414  11.926527
4  11.800868  11.727730  11.729737
5  12.490984  12.502440  12.530894

使用する：

np.array(df.to_records().view(type=np.matrix))

取得する：

array([[(0, 12.097439  , 12.047437, 12.10095324),
        (1, 12.10981081, 12.070209, 12.09528824),
        (2, 11.72073428, 11.622139, 11.74052253),
        (3, 11.82455653, 11.926414, 11.92652727),
        (4, 11.80086775, 11.72773 , 11.72973699),
        (5, 12.49098389, 12.50244 , 12.53089367)]],
dtype=(numpy.record, [('index', '<i8'), ('gbm', '<f8'), ('nnet', '<f4'),
       ('reg', '<f8')]))

データフレームからarcgisテーブルにエクスポートするときに同様の問題が発生し、usgs（https://my.usgs.gov/confluence/display/cdi/pandas.DataFrame+to+ArcGIS+Table）からのソリューションに出くわしました。要するに、あなたの問題は同様の解決策を持っています：

df

      A    B    C
ID               
1   NaN  0.2  NaN
2   NaN  NaN  0.5
3   NaN  0.2  0.5
4   0.1  0.2  NaN
5   0.1  0.2  0.5
6   0.1  NaN  0.5
7   0.1  NaN  NaN

np_data = np.array(np.rec.fromrecords(df.values))
np_names = df.dtypes.index.tolist()
np_data.dtype.names = tuple([name.encode('UTF8') for name in np_names])

np_data

array([( nan,  0.2,  nan), ( nan,  nan,  0.5), ( nan,  0.2,  0.5),
       ( 0.1,  0.2,  nan), ( 0.1,  0.2,  0.5), ( 0.1,  nan,  0.5),
       ( 0.1,  nan,  nan)], 
      dtype=(numpy.record, [('A', '<f8'), ('B', '<f8'), ('C', '<f8')]))

上記の答えを調べました。" as_matrix（） "メソッドは機能しますが、現在は使用されていません。私にとって、うまくいったのは「.to_numpy（）」でした。

これは多次元配列を返します。Excelシートからデータを読み取り、任意のインデックスからデータにアクセスする必要がある場合は、この方法を使用することをお勧めします。お役に立てれば ：）

流星の答えに加えて、私はコードを見つけました

df.index = df.index.astype('i8')

うまくいきません。だから私はこの問題で立ち往生している他の人の便宜のために私のコードをここに置いた。

city_cluster_df = pd.read_csv(text_filepath, encoding='utf-8')
# the field 'city_en' is a string, when converted to Numpy array, it will be an object
city_cluster_arr = city_cluster_df[['city_en','lat','lon','cluster','cluster_filtered']].to_records()
descr=city_cluster_arr.dtype.descr
# change the field 'city_en' to string type (the index for 'city_en' here is 1 because before the field is the row index of dataframe)
descr[1]=(descr[1][0], "S20")
newArr=city_cluster_arr.astype(np.dtype(descr))

データフレームをnumpy配列に変換する簡単な方法：

import pandas as pd
df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
df_to_array = df.to_numpy()
array([[1, 3],
   [2, 4]])

一貫性を保つために、to_numpyの使用をお勧めします。

リファレンス：https : //pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_numpy.html

これを試して：

np.array(df) 

array([['ID', nan, nan, nan],
   ['1', nan, 0.2, nan],
   ['2', nan, nan, 0.5],
   ['3', nan, 0.2, 0.5],
   ['4', 0.1, 0.2, nan],
   ['5', 0.1, 0.2, 0.5],
   ['6', 0.1, nan, 0.5],
   ['7', 0.1, nan, nan]], dtype=object)

[ https://docs.scipy.org/doc/numpy/reference/generated/numpy.array.html] numpy 1.16.5およびpandas 0.25.2で有効。