Wie konvertiert man einen Pandas DataFrame mit fehlenden Werten effizient in ein NumPy-Array?

Pandas-Datenrahmen mit fehlenden Werten in NumPy-Array konvertieren

Die effizienteste Methode, einen Pandas-Datenrahmen mit fehlenden Werten in NumPy zu konvertieren Array erfolgt über df.to_numpy(). Es bietet mehrere Vorteile gegenüber älteren Methoden wie df.values, darunter:

• Gibt konsistent eine Ansicht der zugrunde liegenden Daten zurückum den Speicherverbrauch zu minimieren.
• Verarbeitet Erweiterungstypendurch Konvertierung in entsprechende NumPy-D-Typen.
• Behält die ursprünglichen Datentypen beisofern nicht anders angegeben.

Beispiel:

<code class="python">import pandas as pd
import numpy as np

# Create a DataFrame with missing values
df = pd.DataFrame({'A': [np.nan, np.nan, 0.1, 0.1, 0.1, 0.1],
                   'B': [0.2, np.nan, 0.2, 0.2, np.nan, np.nan],
                   'C': [np.nan, 0.5, 0.5, np.nan, 0.5, np.nan]})

# Convert to a NumPy array with missing values represented as `np.nan`
array = df.to_numpy()

# Result:
# array([[ nan,  0.2,  nan],
#        [ nan,  nan,  0.5],
#        [ 0.1,  0.2,  0.5],
#        [ 0.1,  0.2,  nan],
#        [ 0.1,  nan,  0.5],
#        [ 0.1,  nan,  nan]])</code>

D-Typen beibehalten:

To_numpy unterstützt zwar nicht die direkte Beibehaltung von D-Typen, Sie können jedoch np.rec.fromrecords verwenden, um diesen Effekt zu erzielen.

<code class="python"># Create a DataFrame with mixed data types
df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6],
                   'C': [7.2, 8.1, 9.3]})

# Convert to a structured array with preserved Dtypes
struct_array = np.rec.fromrecords(
    df.reset_index(),
    names=list(df.columns) + ['index']
)

# Result:
# rec.array([('a', 1, 4, 7.2), ('b', 2, 5, 8.1), ('c', 3, 6, 9.3)],
#           dtype=[('index', '<U1'), ('A', '<i8'), ('B', '<i8'), ('C', '<f8')])</code>

Das obige ist der detaillierte Inhalt vonWie konvertiert man einen Pandas DataFrame mit fehlenden Werten effizient in ein NumPy-Array?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!