¿Cómo convierto una serie o índice de pandas en una matriz Numpy?

¿Sabes cómo obtener el índice o la columna de un DataFrame como una matriz NumPy o una lista de Python?

Para obtener una matriz NumPy, debe usar el valuesatributo:

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)

Esto accede a cómo los datos ya están almacenados, por lo que no hay necesidad de una conversión.
Nota: Este atributo también está disponible para muchos otros objetos de pandas.

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

Para obtener el índice como una lista, llame a tolist:

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

Y de manera similar, para columnas.

Se puede utilizar df.indexpara acceder al objeto de índice y luego obtener los valores de una lista usando df.index.tolist(). Del mismo modo, puede usar df['col'].tolist()para Series.

pandas> = 0.24

¡Desprecia tu uso .valuesa favor de estos métodos!

De v0.24.0 en adelante, vamos a tener dos nuevos, los métodos preferidos de marca nalgadas para la obtención de las matrices de NumPy Index, Seriesy DataFrameobjetos: son to_numpy(), y .array. Con respecto al uso, los documentos mencionan:

No hemos eliminado o desaprobado Series.valueso DataFrame.values, pero recomendamos y utilizamos .arrayo en su .to_numpy()lugar.

Consulte esta sección de las notas de la versión v0.24.0 para obtener más información.

to_numpy() Método

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

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

Por defecto, se devuelve una vista. Cualquier modificación realizada afectará al original.

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

df
    A  B
-1  1  2
b   4  5

Si necesita una copia, use to_numpy(copy=True);

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

df
   A  B
a  1  2
b  4  5

Tenga en cuenta que esta función también funciona para DataFrames (mientras .arrayque no).

arrayAtributo
Este atributo devuelve unExtensionArrayobjeto que respalda el Índice / Serie.

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

Desde aquí, es posible obtener una lista usando list:

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

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

o, simplemente llame directamente .tolist():

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

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

Con respecto a lo que se devuelve, los documentos mencionan:

For Seriesy Indexes respaldado por matrices NumPy normales, Series.array devolverá un nuevo arrays.PandasArray, que es un envoltorio delgado (sin copia) alrededor de a numpy.ndarray. arrays.PandasArrayno es especialmente útil por sí solo, pero proporciona la misma interfaz que cualquier conjunto de extensiones definido en pandas o por una biblioteca de terceros.

Entonces, para resumir, .arraydevolverá

1. El ExtensionArrayrespaldo existente del Índice / Serie, o
2. Si hay una matriz NumPy que respalda la serie, ExtensionArrayse crea un nuevo objeto como una envoltura delgada sobre la matriz subyacente.

Justificación para agregar DOS métodos nuevos
Estas funciones se agregaron como resultado de discusiones bajo dos temas de GitHub GH19954 y GH23623 .

Específicamente, los documentos mencionan la justificación:

[...] .valuesno estaba claro si el valor devuelto sería la matriz real, alguna transformación de la misma o una de las matrices personalizadas de pandas (como Categorical). Por ejemplo, con PeriodIndex, .values genera un nuevo ndarrayperíodo de objetos cada vez. [...]

Estas dos funciones apuntan a mejorar la consistencia de la API, que es un paso importante en la dirección correcta.

Por último, .valuesno quedará en desuso en la versión actual, pero espero que esto pueda suceder en algún momento en el futuro, por lo que instaría a los usuarios a migrar hacia la API más nueva, tan pronto como sea posible.

Si se trata de un marco de datos de índice múltiple, puede interesarle extraer solo la columna de un nombre del índice múltiple. Puedes hacer esto como

df.index.get_level_values('name_sub_index')

y, por supuesto, name_sub_indexdebe ser un elemento de laFrozenList df.index.names

Desde pandas v0.13 también puedes usar get_values:

df.index.get_values()

Convertí los pandas dataframea listy luego se usa el básico list.index(). Algo como esto:

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

Tienes tu valor de índice como idx.

Una forma más reciente de hacer esto es usar la función .to_numpy ().

Si tengo un marco de datos con una columna 'precio', puedo convertirlo de la siguiente manera:

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

También puede pasar el tipo de datos, como flotante u objeto, como argumento de la función

A continuación se muestra una forma sencilla de convertir la columna del marco de datos en una matriz numpy.

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

ytrain_numpy es una matriz numpy.

Intenté con, to.numpy()pero me dio el siguiente error: TypeError: no hay conversión compatible para los tipos: (dtype ('O'),) mientras hacía la clasificación de relevancia binaria usando SVC lineal. to.numpy () estaba convirtiendo el dataFrame en una matriz numpy, pero el tipo de datos del elemento interno estaba en la lista debido a que se observó el error anterior.