DataFrame.to_records(index=True, column_dtypes=None, index_dtypes=None)
将DataFrame
转换为一个NumPy
记录数组。
如果需要,Index
将被包括为记录数组的第一个字段。
参数: | index : 如果设置,在结果记录数组中包括索引, 存储在 column_dtypes : 新版本为0.24.0。 如果是字符串或类型,则数据类型要存储所有列。 如果是字典, 则列名称和索引(zero-indexed)到特定数据类型的映射。 index_dtypes: 如果是字符串或类型,则该数据类型要存储所有索引级别。 如果是字典, 索引级别名称和索引(zero-indexed)到特定数据类型的映射。 该映射仅在 |
返回值: | numpy.recarray NumPy ndarray,DataFrame标签为字段,DataFrame的每一行为条目。 |
例子
>>> df = pd.DataFrame({'A': [1, 2], 'B': [0.5, 0.75]},... index=['a', 'b'])>>> df A Ba 1 0.50b 2 0.75>>> df.to_records()rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)], dtype=[('index', 'O'), ('A', '如果DataFrame索引没有标签,则将recarray字段名称设置为“ index”。如果索引具有标签,则将其用作字段名称:
>>> df.index = df.index.rename("I")>>> df.to_records()rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)], dtype=[('I', 'O'), ('A', '索引可以从记录数组中排除:
>>> df.to_records(index=False)rec.array([(1, 0.5 ), (2, 0.75)], dtype=[('A', '可以为列指定数据类型:
>>> df.to_records(column_dtypes={"A": "int32"})rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)], dtype=[('I', 'O'), ('A', '以及索引:
>>> df.to_records(index_dtypes=">> index_dtypes = f" >> df.to_records(index_dtypes=index_dtypes)rec.array([(b'a', 1, 0.5 ), (b'b', 2, 0.75)], dtype=[('I', 'S1'), ('A', '