将熊猫数据框转换为结构化数组答案

【问题标题】：Converting pandas dataframe to structured arrays将熊猫数据框转换为结构化数组
【发布时间】：2021-11-28 15:50:02
【问题描述】：

我有以下pandas 数据框

import pandas as pd
a = [2.5,3.3]
b = [3.6,3.9]
D = {'A': a, 'B': b}

这给了我类似的东西

+---+-----+-----+
|   |  A  |  B  |
+---+-----+-----+
| 0 | 2.5 | 3.3 |
| 1 | 3.6 | 3.9 |
+---+-----+-----+

我想将此数据帧转换为结构化数组，例如

data = np.rec.array([
('A', 2.5),
('A', 3.6),
('B', 3.3),
('B', 3.9),
], dtype = [('Type','|U5'),('Value', '<i8')])

由于我是 pandas 的新手，所以我未能找到实现这一目标的方法。我试过pd.to_records，但索引挡住了我找不到解决办法。

感谢任何帮助。谢谢。

【问题讨论】：

标签： python pandas

【解决方案1】：

Melt the DataFrame 使A 和B（列索引）成为一列。要摆脱数字索引，请将此新列设为索引。然后拨打to_records()：

import pandas as pd
a = [2.5,3.3]
b = [3.6,3.9]
D = {'A': a, 'B': b}
df = pd.DataFrame(D)
result = (pd.melt(df, var_name='Type', value_name='Value')
          .set_index('Type').to_records())
print(repr(result))

产量

rec.array([('A',  2.5), ('A',  3.3), ('B',  3.6), ('B',  3.9)], 
          dtype=[('Type', 'O'), ('Value', '<f8')])

这是关键步骤：

In [167]: df
Out[167]: 
     A    B
0  2.5  3.6
1  3.3  3.9

In [168]: pd.melt(df)
Out[168]: 
  variable  value
0        A    2.5
1        A    3.3
2        B    3.6
3        B    3.9

一旦你融化了 DataFrame，to_records（基本上）会返回所需的结果：

In [169]: pd.melt(df).to_records()
Out[169]: 
rec.array([(0, 'A',  2.5), (1, 'A',  3.3), (2, 'B',  3.6), (3, 'B',  3.9)], 
          dtype=[('index', '<i8'), ('variable', 'O'), ('value', '<f8')])

【讨论】：

工作就像一个魅力。非常感谢@unutbu！

【解决方案2】：

np.rec.fromrecords(list(zip(df.melt().variable,df.melt().value)))
Out[531]: 
rec.array([('A',  2.5), ('A',  3.3), ('B',  3.6), ('B',  3.9)], 
          dtype=[('f0', '<U1'), ('f1', '<f8')])

【讨论】：

【解决方案3】：

你可以融化并调用to_records：

pd.melt(df).to_records(index=False)

【讨论】：