python，如何实现DataFrame和ndarray的类型互转？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

在机器学习领域，基于pandans的dataframe数据类型、基于numpy的ndarray数据类型，都是非常常见的。处理各种原始数据的时候，经常会碰到。那么，不可避免的会碰到两者做类型互转的情况。那么，本文中，将基于python编程语言，对DataFrame类型和ndarray类型做互转的方法，做简要的说明。

大家好，这里是苏南大叔的“程序如此灵动”博客，记录苏南大叔和计算机代码的故事。在机器学习的数据处理阶段，最常见的DataFrame类型和ndarray类型的互转方法，在这里将要被描述。测试环境：win10，python@3.11.0，numpy@1.24.2，pandas@1.5.3。

写在最前面的是：本文中的ndarray是个二维数组，二维的，维度是2。虽然存在其它维度的ndarray，但是并不适合本文。

DataFrame转ndarray

有两种方式可以实现DataFrame到ndarray的转化，这两种方法是：

df.values

numpy.array(df)

测试代码

定义一个DataFrame类型数据，可以使用loc或者iloc对Dataframe进行简单的加工。

DataFrame的某一列数据，类型是Series。

参考苏南大叔的文章：

• https://newsn.net/say/pandas-dataframe.html
• https://newsn.net/say/dataframe-loc.html

import pandas as pd
from pandas import Series, DataFrame
df = DataFrame({
    'name':[
        '虎子',
        '老许',
        '二赖子',
        '老白',
        '小黑',
    ],
    'age':[5,3,6,8,10],
    'category':["dog","dog","dog","cat","cat"]
})
df2 = df.iloc[0:2][:]         # 前两行行数据
df3 = df.loc[:]["category"]   # 最后一列数据

print(df ,type(df) )          # <class 'pandas.core.frame.DataFrame'>
print(df2,type(df2))          # <class 'pandas.core.frame.DataFrame'>
print(df3,type(df3))          # <class 'pandas.core.series.Series'>

import numpy as np
_np  = df.values
_np2 = df2.values
_np3 = df3.values

print(_np ,type(_np))
print(_np2,type(_np2))
print(_np3,type(_np3))

_np  = np.array(df)
_np2 = np.array(df2)
_np3 = np.array(df3)

print(_np ,type(_np))
print(_np2,type(_np2))
print(_np3,type(_np3))

输出：

[['虎子' 5 'dog']
 ['老许' 3 'dog']
 ['二赖子' 6 'dog']
 ['老白' 8 'cat']
 ['小黑' 10 'cat']] 
<class 'numpy.ndarray'>

[['虎子' 5 'dog']
 ['老许' 3 'dog']] 
<class 'numpy.ndarray'>

['dog' 'dog' 'dog' 'cat' 'cat'] 
<class 'numpy.ndarray'>

[['虎子' 5 'dog']
 ['老许' 3 'dog']
 ['二赖子' 6 'dog']
 ['老白' 8 'cat']
 ['小黑' 10 'cat']] 
<class 'numpy.ndarray'>

[['虎子' 5 'dog']
 ['老许' 3 'dog']] 
<class 'numpy.ndarray'>

['dog' 'dog' 'dog' 'cat' 'cat'] 
<class 'numpy.ndarray'>

ndarray转DataFrame

ndarray转为DataFrame的方式，目前有下面一种方式：

pd.DataFrame(x)

测试代码

再定义一个ndarray类型数据，可以利用reshape对数据进行简单的再加工。参考苏南大叔的文章：

• https://newsn.net/say/python-ndarray.html

import numpy as np
x = np.array([[0,1],[2,3],[4,5],[6,7],[8,9],[10,11]])
x2 = x.reshape((3,4))
x3 = x.reshape((12,1))
print(x,type(x))     # <class 'numpy.ndarray'>
print(x2,type(x2))   # <class 'numpy.ndarray'>
print(x3,type(x3))   # <class 'numpy.ndarray'>

这个reshape()操作非常有用，如果把ndarray想象成一个矩形的话，那么，reshape()操作就赋予了其任意变形的能力。

import pandas as pd
df = pd.DataFrame(x)
df2 = pd.DataFrame(x2)
df3 = pd.DataFrame(x3)

print(df,type(df))
print(df2,type(df2))
print(df3,type(df3))

输出：

    0   1
0   0   1
1   2   3
2   4   5
3   6   7
4   8   9
5  10  11 
<class 'pandas.core.frame.DataFrame'>

   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11 
<class 'pandas.core.frame.DataFrame'>

     0
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
10  10
11  11 
<class 'pandas.core.frame.DataFrame'>

这里有个很有意思的现象，DataFrame的一列数据，取出来叫做series类型。但是ndarray的一列数据，转换过去之后，依然是DataFrame类型。

题外话，两种数据类型区别

关于ndarray这个类型的拼写，这里做个简要的对比，见下图：

拼写方面来说，np+.array=>ndarray，而不是nparray。

苏南大叔个人理解着，ndarray和dataframe的主要区别就是：

• dataframe有行号和列号（表头）。
• ndarray并没有这个表头索引，但是有个shape的概念。

想象一下，ndarray和dataframe的区别，就类似于csv和xls的区别。普通的类型就是ndarray，加工后的类型就是dataframe。不知道，大家是否同意苏南大叔的观点。

总结

其实，DataFrame和ndarray的相互转化的最简单的方法，就是强制类型转换！哈哈哈！

numpy.array(df)
pd.DataFrame(x)

更多经验文章，可以参考苏南大叔的python系列文章：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。