pandas.DataFrame.to_numpy

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

Преобразовать DataFrame в массив NumPy.

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

Параметры:

dtype:str или numpy.dtype, необязательно

Тип данных, который следует передать 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 копирует. Скорее, copy=True гарантирует, что будет сделана копия, даже если это не строго необходимо.

na_value:Любое, необязательно

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

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]])

При разнородных данных необходимо использовать 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 выходной массив 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)