dataframe数组做元素_array, list, tensor，Dataframe，Series之间互相转换总结

一、前言
对于在Deep Learning的学习中总会有几个数据类型的转换，这次想把这些常用的转换做一个总结，方便以后看。

这些主要包括：Dataframe、Series(pandas), array(numpy), list, tensor(torch)

二、定义
2.1 Dataframe和Series
这里简单介绍一下这两个结构。Dataframe创建的方式有很多种，这里不赘述了。以下举个例子，因为我们这里要讲的是和array等的转换，这里全都用数字型的元素。

对于dataframe来说，我们打印出来，结构类似于一个二维矩阵格式，只是每一列和每一个行都有个index，这并且这些结构之间有很多方便的操作，在读入结构化数据的时候尤为方便，所以平时做偏结构化数据的时候， 比如excel、pickle等等，pandas的使用是绕不开的。

而其中的series相当于dataframe的一个元素，如下。

Series只有row index，有点类似于一个一维向量。

而DataFrame既有行索引也有列索引，它也可以被看做由Series组成的字典(共同用一个索引

2.2 array
数组结构是由不同维度的list转换来的，用array的原因主要在于有更多的矩阵操作，数据使用起来更方便，比如转置、矩阵相乘、reshape等等。

2.3 tensor
张量是在深度学习框架中的一个数据结构，把数据喂进模型中需要把数据转换为tensor结构，等我们再取出来做框架以外的操作，比如保存成文件，用plot画图，都需要重新转换为array或list结构。

三、互相转换
先用一个例子直观举例下

 
四、详细总结
4.1 Dataframe到Series
挑一列的index取出

Series = Dataframe['column']
4.2 Series到list
list = Series.to_list()
4.3 list 转 array
array = np.array(list)
4.4 array 转 torch.Tensor
tensor = torch.from_numpy(array)
4.5 torch.Tensor 转 array
array = tensor.numpy()# gpu情况下需要如下的操作array = tensor.cpu().numpy()
4.6 torch.Tensor 转 list
# 先转numpy，后转listlist = tensor.numpy().tolist()
4.7 array 转 list
list = array.tolist()
4.8 list 转 torch.Tensor
tensor=torch.Tensor(list)
4.9 array或者list转Series
series = pd.Series({'a': array})series2 = pd.Series({'a': list})
之后这里的操作就多了，看你具体需求了，也可以多个series拼成一个dataframe, 如下， 其他操作不一一赘述了

df = pd.DataFrame({'aa': series, 'bb': series2})
————————————————
版权声明：本文为CSDN博主「喻西西」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_34112863/article/details/112280222