具有特定 dtypes 的 Pandas dataframe.to_numpy()

Question

我有一个包含两列的数据框：

  In[] df.head()

  Out[]      specific_death   months_survival
       0         False            179
       1         False            127
       2         False            67
       3         True             111
       4         False            118

第一列是布尔值，第二列是整数。如果我将数据框转换为 numpy ndarray ：

array_from_df = df.to_numpy()

我得到一个非结构化的 numpy.ndarray。因此，如果我写：

array_from_df.dtype.fields 

结果是 NoneType。为了使我的程序正常工作，我需要一个结构化数组，其中第一个字段是 np.bool 类，第二个字段是 np.int。我看到它的方式有两种选择，但我找不到任何一种方法：

选项一

直接从 Pandas.DataFrame 转换为具有正确 dtypes 的结构化 numpy.ndarray。

选项二

从 Pandas.DataFrame 转换为非结构化的 numpy.ndarray，然后将其转换为结构化的 numpy.ndarray。 I found another SO question 关于这个问题，但我无法在我的代码上复制答案。

Answer 1

正如两位 cmets 所建议的那样：

array_from_df = df.to_records() # index=False to not include an index column

输出具有正确数据类型的 numpy.recarray：

array_from_df.dtype.fields