Comment convertir une série ou un index pandas en un tableau Numpy?

Savez-vous comment obtenir l'index ou la colonne d'un DataFrame en tant que tableau NumPy ou liste python?

Pour obtenir un tableau NumPy, vous devez utiliser l' valuesattribut:

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)

Cela permet d'accéder à la façon dont les données sont déjà stockées, il n'y a donc pas besoin de conversion.
Remarque: cet attribut est également disponible pour de nombreux autres objets de pandas.

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

Pour obtenir l'index sous forme de liste, appelez tolist:

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

Et de même, pour les colonnes.

Vous pouvez utiliser df.indexpour accéder à l'objet d'index, puis récupérer les valeurs dans une liste à l'aide de df.index.tolist(). De même, vous pouvez utiliser df['col'].tolist()pour la série.

pandas> = 0,24

Dépréciez votre utilisation de .valuesau profit de ces méthodes!

A partir de v0.24.0 partir, nous aurons deux nouvelles méthodes préférées pour obtenir la fessée marque tableaux numpy à partir Index, Serieset les DataFrameobjets: ils sont to_numpy(), et .array. Concernant l'utilisation, les documents mentionnent:

Nous n'avons pas supprimé ou déprécié Series.valuesou DataFrame.values, mais nous recommandons fortement d'utiliser .arrayou à la .to_numpy()place.

Consultez cette section des notes de mise à jour v0.24.0 pour plus d'informations.

to_numpy() Méthode

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

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

Par défaut, une vue est retournée. Toute modification apportée affectera l'original.

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

df
    A  B
-1  1  2
b   4  5

Si vous avez plutôt besoin d'une copie, utilisez to_numpy(copy=True);

v = df.index.to_numpy(copy=True)
v[-1] = -123

df
   A  B
a  1  2
b  4  5

Notez que cette fonction fonctionne également pour les DataFrames (mais .arraypas).

arrayAttribut
Cet attribut renvoie unExtensionArrayobjet qui sauvegarde l'index / la série.

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

De là, il est possible d'obtenir une liste en utilisant list:

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

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

ou appelez directement .tolist():

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

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

Concernant ce qui est retourné, les documents mentionnent,

Pour Serieset Indexes soutenu par des tableaux NumPy normaux, Series.array renverra un nouveau arrays.PandasArray, qui est un wrapper fin (sans copie) autour de a numpy.ndarray. arrays.PandasArrayn'est pas particulièrement utile en soi, mais il fournit la même interface que n'importe quel tableau d'extension défini dans pandas ou par une bibliothèque tierce.

Donc, pour résumer, .arrayreviendra soit

1. Le ExtensionArraysupport existant de l'Indice / de la Série, ou
2. S'il existe un tableau NumPy soutenant la série, un nouvel ExtensionArrayobjet est créé en tant que wrapper mince sur le tableau sous-jacent.

Justification de l'ajout de DEUX nouvelles méthodes
Ces fonctions ont été ajoutées à la suite de discussions sous deux problèmes GitHub GH19954 et GH23623 .

Plus précisément, les documents mentionnent la justification:

[...] avec .valuesil n'était pas clair si la valeur retournée serait le tableau réel, une transformation de celui-ci, ou l'un des tableaux personnalisés pandas (comme Categorical). Par exemple, avec PeriodIndex, .values génère à ndarraychaque fois un nouvel objet période. [...]

Ces deux fonctions visent à améliorer la cohérence de l'API, ce qui constitue une étape majeure dans la bonne direction.

Enfin, .valuesne sera pas déconseillé dans la version actuelle, mais je m'attends à ce que cela se produise à un moment donné dans le futur, donc j'exhorte les utilisateurs à migrer vers la nouvelle API, dès que vous le pouvez.

Si vous avez affaire à une trame de données multi-index, il peut être intéressant d'extraire uniquement la colonne d'un nom du multi-index. Vous pouvez le faire comme

df.index.get_level_values('name_sub_index')

et bien sûr name_sub_indexdoit être un élément de laFrozenList df.index.names

Depuis pandas v0.13, vous pouvez également utiliser get_values:

df.index.get_values()

J'ai converti les pandas dataframeen listpuis utilisé le basique list.index(). Quelque chose comme ça:

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

Vous avez votre valeur d'index en tant que idx.

Une façon plus récente de procéder consiste à utiliser la fonction .to_numpy ().

Si j'ai une trame de données avec une colonne 'prix', je peux la convertir comme suit:

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

Vous pouvez également passer le type de données, tel que float ou object, comme argument de la fonction

Vous trouverez ci-dessous un moyen simple de convertir une colonne de trame de données en tableau numpy.

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

ytrain_numpy est un tableau numpy.

J'ai essayé avec to.numpy()mais cela m'a donné l'erreur ci-dessous: TypeError: aucune conversion prise en charge pour les types: (dtype ('O'),) lors de la classification de pertinence binaire en utilisant SVC linéaire. to.numpy () convertissait le dataFrame en tableau numpy mais le type de données de l'élément interne était list à cause duquel l'erreur ci-dessus a été observée.