Konvertieren pandas dataframe zu numpy-array mit Header und dtypes

Ich habe versucht, zu konvertieren, ein pandas dataframe in einen numpy-array, tragen über der dtypes und header-Namen für eine einfache Referenz. Ich muss dies tun, da die Verarbeitung auf pandas ist viel zu langsam, numpy ist 10-Fach schneller. Ich habe diesen code aus, SO dass gibt mir was ich brauche, abgesehen davon, dass das Ergebnis nicht Aussehen wie ein standard-numpy array - D. H. es zeigt nicht die Spalten-Nummern in der Form.

[In]:
df = pd.DataFrame(randn(10,3),columns=['Acol','Ccol','Bcol'])
arr_ip = [tuple(i) for i in df.as_matrix()]
dtyp = np.dtype(list(zip(df.dtypes.index, df.dtypes)))
dfnp= np.array(arr_ip, dtype=dtyp)
print(dfnp.shape)
dfnp

[Out]: 

(10,) #expecting (10,3)

array([(-1.0645345 ,  0.34590193,  0.15063829),
( 1.5010928 ,  0.63312454,  2.38309797),
(-0.10203999, -0.40589525,  0.63262773),
( 0.92725915,  1.07961763,  0.60425353),
( 0.18905164, -0.90602597, -0.27692396),
(-0.48671514,  0.14182815, -0.64240004),
( 0.05012859, -0.01969079, -0.74910076),
( 0.71681329, -0.38473052, -0.57692395),
( 0.60363249, -0.0169229 , -0.16330232),
( 0.04078263,  0.55943898, -0.05783683)],
dtype=[('Acol', '<f8'), ('Ccol', '<f8'), ('Bcol', '<f8')])

Bin ich etwas fehlt, oder gibt es einen anderen Weg, dies zu tun? Ich habe viele df ' s zu konvertieren und Ihre dtypes-und Spaltennamen unterscheiden, so brauche ich diesen automatisierten Ansatz. Ich auch brauchen um effizient zu sein, aufgrund der großen Anzahl von df.

InformationsquelleAutor GivenX | 2018-04-09
  1. 4

    Verwenden df.to_records() konvertieren Sie Ihre dataframe zu einem strukturierten array.

    Können Sie pass index=False index zu entfernen von Ihrem Ergebnis.

    import numpy as np

df = pd.DataFrame(np.random.rand(10,3),columns=['Acol','Ccol','Bcol'])

res = df.to_records(index=False)

# rec.array([(0.12448699852020828, 0.7621451848466592, 0.0958529943831431),
#  (0.14534869167076214, 0.695297214355628, 0.3753874117495527),
#  (0.09890006207909052, 0.46364777245941025, 0.10216301104094272),
#  (0.3467673672203968, 0.4264108141950761, 0.1475998692158026),
#  (0.9272619907467186, 0.3116253419608288, 0.5681628329642517),
#  (0.34509767424461246, 0.5533523959180552, 0.02145207648054681),
#  (0.7982313824847291, 0.563383955627413, 0.35286630304880684),
#  (0.9574060540226251, 0.21296949881671157, 0.8882413119348652),
#  (0.0892793829627454, 0.6157843461905468, 0.8310360916075473),
#  (0.4691016244437851, 0.7007146447236033, 0.6672404967622088)], 
#           dtype=[('Acol', '<f8'), ('Ccol', '<f8'), ('Bcol', '<f8')])

    Eines strukturierten Arrays haben immer eine dimension. Das kann nicht geändert werden.

    Aber man kann sich die Form über:

    res.view(np.float64).reshape(len(res), -1).shape  # (10, 3)

    Leistung, wenn Sie so manipulieren, dass Daten, sind Sie besser dran mit numpy.array über df.values und Aufzeichnung der Spalte Namen in einem Wörterbuch mit integer-Schlüssel.

    • Danke, das ist perfekt. Ich habe zu tun, einen ravel, um es wieder in ein pandas dataframe nach dem schweren heben Verarbeitung erfolgte in numpy: res_pd = pd.DataFrame(res.ravel())
    • haben Sie Ihren code zu konvertieren, um numpy-arrays oder hast u nur verwenden, df.to_records()?
    • Ich habe gerade df.to_records()
    InformationsquelleAutor jpp
Schreibe einen Kommentar