【pandas.core.frame.DataFrame与numpy.ndarray的区别及转换】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

如何将pandas.core.frame.DataFrame格式的数据转换为numpy.ndarray格式，他们有什么区别。

---

一、两种数据结构的概念和特点

pandas.core.frame.DataFrame是pandas库中的一个类，它表示一个二维的、可变的、带有标签的表格型数据结构。DataFrame可以存储不同类型的对象，比如字符串、整数、浮点数、列表等。DataFrame有两个轴，分别是行（row）和列（column），每个轴都有一个索引（index），可以用来标识和访问数据。DataFrame是一种非常适合处理表格型数据的数据结构，它提供了很多方便的方法和属性，比如读取、写入、筛选、排序、分组、聚合、合并、透视等。

numpy.ndarray是numpy库中的一个类，它表示一个多维的、可变的、同质的数组型数据结构。ndarray可以存储相同类型的对象，比如整数、浮点数、布尔值等。ndarray有多个轴（axis），每个轴都有一个形状（shape），可以用来描述数组的维度和大小。ndarray是一种非常适合处理数值型数据和计算的数据结构，它提供了很多高效的方法和属性，比如创建、切片、索引、广播、运算、线性代数、统计等。

二、pandas.core.frame.DataFrame与numpy.ndarray相互转换

1.方法Ⅰ

最简单和推荐的方法是使用DataFrame.to_numpy()方法，它可以将DataFrame中的数据转换为一个ndarray对象，并返回它。你可以指定dtype参数来指定转换后的数据类型，也可以指定copy参数来决定是否复制原始数据。

代码如下（示例）：

import pandas as pd
import numpy as np

# 创建一个DataFrame对象
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 转换为ndarray对象
arr = df.to_numpy()

# 打印结果
print(arr)
print(type(arr))

输出：

[[1 4 7]
 [2 5 8]
 [3 6 9]]
<class 'numpy.ndarray'>

2.方法Ⅱ

使用DataFrame.values属性，它可以返回DataFrame中的数据作为一个ndarray对象。这种方法与to_numpy()方法类似，但不支持指定dtype或copy参数。例如：

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

输出：

[[1 4 7]
 [2 5 8]
 [3 6 9]]
<class 'numpy.ndarray'>

---