pandas.DataFrame.to_numpy

DataFrame.to_numpy(dtype=None, copy=False, na_value=_NoDefault.no_default)[source]

Преобразование DataFrame в массив NumPy.

По умолчанию, тип данных возвращаемого массива будет общим типом данных NumPy для всех типов в DataFrame. Например, если типы данных являются float16 и float32, результатом будет тип данных float32. Это может потребовать копирования данных и приведения значений, что может быть дорогостоящим.

Параметры

dtype:str или numpy.dtype, необязательно

Тип данных, который необходимо передать в numpy.asarray().

copy:bool, по умолчанию False

Определяет, нужно ли гарантировать, что возвращаемое значение не является представлением другого массива. Обратите внимание, что copy=False не гарантирует, что to_numpy() не копируется. Вместо этого, copy=True гарантирует создание копии, даже если это не строго необходимо.

na_value:любое значение, необязательно

Значение, используемое для пропущенных значений. Значение по умолчанию зависит от dtype и типов данных столбцов DataFrame.

Введено в версии 1.1.0.

Возвращает

numpy.ndarray

См. также

Series.to_numpy

Аналогичный метод для Series.

Примеры

>>> pd.DataFrame({"A": [1, 2], "B": [3, 4]}).to_numpy()
array([[1, 3],
       [2, 4]])

С неоднородными данными должен использоваться наименьший общий тип.

>>> df = pd.DataFrame({"A": [1, 2], "B": [3.0, 4.5]})
>>> df.to_numpy()
array([[1. , 3. ],
       [2. , 4.5]])

Для смешанных числовых и нечисловых типов массив вывода будет иметь тип object.

>>> df['C'] = pd.date_range('2000', periods=2)
>>> df.to_numpy()
array([[1, 3.0, Timestamp('2000-01-01 00:00:00')],
       [2, 4.5, Timestamp('2000-01-02 00:00:00')]], dtype=object)