Question

我有一个Pandas数据框，我希望将其转换为NumPy记录数组或结构化数组。我正在使用Python 3.6 / Pandas 0.19.2 / NumPy 1.11.3。

df = pd.DataFrame(data=[[True, 1, 2],[False, 10, 20]], columns=['a','b','c'])

print(df.dtypes)

a     bool
b    int64
c    int64
dtype: object

我的尝试如下：

# record array
res1 = df.to_records(index=False)

# structured array
s = df.dtypes
res2 = np.array([tuple(x) for x in df.values], dtype=list(zip(s.index, s)))

但是，在这些结果的dtype属性中，布尔类型似乎并不明显：

print(res1.dtype)

(numpy.record, [('a', '?'), ('b', '<i8'), ('c', '<i8')])

print(res2.dtype)

[('a', '?'), ('b', '<i8'), ('c', '<i8')]

这是为什么？更笼统地说，这是唯一的例外，还是我们应该每次都必须手动检查以确保dtype转换已按预期进行了处理？

修改：另一方面，看来转换正确：

print(res1.a.dtype)     # bool
print(res2['a'].dtype)  # bool

这只是显示问题吗？

Answer 1

奇怪的是，NumPy选择?来表示布尔值。来自Data type objects (dtype)：

'?' boolean
'b' (signed) byte
'B' unsigned byte
'i' (signed) integer
'u' unsigned integer
'f' floating-point
'c' complex-floating point
'm' timedelta
'M' datetime
'O' (Python) objects
'S', 'a'    zero-terminated bytes (not recommended)
'U' Unicode string
'V' raw data (void)

令人困惑的是，从C扩展访问的NumPy Array Interface使用了不同的映射：

t   Bit field (following integer gives the number of bits in the bit field).
b   Boolean (integer type where all values are only True or False)
i   Integer
u   Unsigned integer
f   Floating point
c   Complex floating point
m   Timedelta
M   Datetime
O   Object (i.e. the memory contains a pointer to PyObject)
S   String (fixed-length sequence of char)
U   Unicode (fixed-length sequence of Py_UNICODE)
V   Other (void * – each item is a fixed-size chunk of memory)

在文档中找到@bobrobbob的信用。

熊猫数据框到具有布尔序列的结构化数组

1 个答案: