将 pandas 索引转换为 numpy 数组。 Python [重复]答案

【问题标题】：Converting pandas index to numpy array. Python [duplicate]将 pandas 索引转换为 numpy 数组。 Python [重复]
【发布时间】：2018-02-27 15:33:51
【问题描述】：

我想将数据框的索引列转换为数组，但我不知道如何去做。我已经将第二列转换为数组，但由于某种原因，它也不适用于第一列。这是我尝试转换索引列的方式：

time = df1.as_matrix(columns = df1.columns[:,0])

但我明白了

too many indices for array

这是我的数据框

df1
Out[13]: 
                                 0
2015-11-19 23:59:54.500 -20.186533
2015-11-19 23:59:54.625 -20.272575
2015-11-19 23:59:54.750 -20.185249
2015-11-19 23:59:54.875 -20.247126
2015-11-19 23:59:55.000 -20.205975
2015-11-19 23:59:55.125 -20.281376
2015-11-19 23:59:55.250 -20.238962
2015-11-19 23:59:55.375 -20.300100
2015-11-19 23:59:55.500 -20.311625
2015-11-19 23:59:55.625 -20.264126
2015-11-19 23:59:55.750 -20.266762
2015-11-19 23:59:55.875 -20.224825
2015-11-19 23:59:56.000 -20.211288
2015-11-19 23:59:56.125 -20.163288
2015-11-19 23:59:56.250 -20.254587
2015-11-19 23:59:56.375 -20.125738
2015-11-19 23:59:56.500 -20.146749
2015-11-19 23:59:56.625 -20.161976
2015-11-19 23:59:56.750 -20.126276
2015-11-19 23:59:56.875 -20.082863
2015-11-19 23:59:57.000 -20.030237
2015-11-19 23:59:57.125 -20.098312
2015-11-19 23:59:57.250 -20.146214
2015-11-19 23:59:57.375 -20.030476
2015-11-19 23:59:57.500 -20.018661
2015-11-19 23:59:57.625 -20.029900
2015-11-19 23:59:57.750 -19.970963
2015-11-19 23:59:57.875 -19.994637
2015-11-19 23:59:58.000 -20.097612
2015-11-19 23:59:58.125 -19.952700

【问题讨论】：

对于给定的例子dataframe，你能试试time = df.as_matrix(columns = df.columns[:])吗？
不幸的是，这给了我第二列。
只是在as_matrix上的注释以供将来参考：“提供此方法是为了向后兼容。一般建议使用.values。”
@alexanderson - 从 pandas 的 0.24.0 开始 - 您可以使用 .array 和 .to_numpy 访问 pandas 索引的后备数组 - 请在下面找到更新的答案。 pandas 0.24.x release notes

标签： python pandas numpy

【解决方案1】：

根据pandas 0.24.x release notes：“已添加 Series.array 和 Index.array 以提取支持 Series 或 Index 的数组...我们尚未删除或弃用 Series.values 或DataFrame.values，但我们强烈推荐并使用.array 或.to_numpy()"

看起来这个主要版本更新完全符合您的需要:)

【讨论】：

【解决方案2】：

试试time = df1.as_matrix(columns=df1.columns[0:1])。看起来列应该是一个一维数组（实际上，是一个Index），并且为一维数组提供两个索引会产生该错误。

【讨论】：

不幸的是，这只给出了第二行。
看起来 Psidom 的回答应该有效。
确实如此。不过谢谢你的帮助。

【解决方案3】：

你可以做df.index.values:

df = pd.DataFrame(index=['a', 'b', 'c'])

df.index.values
# array(['a', 'b', 'c'], dtype=object)

【讨论】：

刚刚尝试使用这种方法，我得到了一个很好的 numpy.datetime64，因为我知道如何从那里将它转换为日期时间。非常感谢您的帮助。
酷。很高兴它有帮助。