如何使用“df.to_numpy()”将缺失值的 Pandas DataFrame 转换为 NumPy 数组并保留数据类型？

将带有缺失值的 Pandas 数据框转换为 NumPy 数组

使用 df.to_numpy()

将带有缺失值的 Pandas 数据框转换为 NumPy np.nan 代表缺失值的数组，请使用 df.to_numpy() 方法。它提供了一种一致且可靠的方法来从数据帧和索引/系列对象获取 NumPy 数组。

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

df = pd.DataFrame({
    "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],
}, index=[1, 2, 3, 4, 5, 6, 7])

np_array = df.to_numpy()
print(np_array)</code>

这将输出一个 NumPy 数组，其中缺失值表示为 np.nan:

[[ 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]]

保留数据类型

要保留 NumPy 数组中的数据类型，请使用 np.rec.fromrecords() 函数：

<code class="python">v = df.reset_index()
np_array_dtypes = np.rec.fromrecords(v, names=v.columns.tolist())
print(np_array_dtypes)</code>

这将输出带有原始数据的 NumPy 数组保留的数据类型如下：

rec.array([('1', 1, 0.2, 0.5), ('2', 2, np.nan, 0.5), ('3', 3, 0.2, 0.5),
           ('4', 4, 0.2, np.nan), ('5', 5, 0.2, 0.5), ('6', 6, np.nan, 0.5),
           ('7', 7, np.nan, np.nan)],
          dtype=[('index', '<U1'), ('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

以上是如何使用“df.to_numpy()”将缺失值的 Pandas DataFrame 转换为 NumPy 数组并保留数据类型？的详细内容。更多信息请关注PHP中文网其他相关文章！