你知道如何将 DataFrame 的索引或列作为 NumPy 数组或 python 列表获取吗？
【问题讨论】：
您可以使用df.index 访问索引对象，然后使用df.index.tolist() 获取列表中的值。同样，您可以将df['col'].tolist() 用于系列。
【讨论】：
df.index.values.tolist() 怎么样？
df.index.tolist() 不返回实例方法。它返回一个索引列表。它是在 pandas 索引上定义的方法。虽然首先调用值是可能的，但将工作委派给 numpy 并不是一种修正——只是一种替代方法。
要获取 NumPy 数组，您应该使用 values 属性：
In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c']); df
A B
a 1 4
b 2 5
c 3 6
In [2]: df.index.values
Out[2]: array(['a', 'b', 'c'], dtype=object)
这会访问数据的存储方式，因此无需进行转换。
注意：此属性也可用于许多其他 pandas 的对象。
In [3]: df['A'].values
Out[3]: Out[16]: array([1, 2, 3])
要将索引作为列表获取，请调用tolist：
In [4]: df.index.tolist()
Out[4]: ['a', 'b', 'c']
同样，对于列。
【讨论】：
.values 已被弃用，.to_numpy() 是如果您想要 NumPy 数组的建议替代品。您能否扩展一下这会访问数据的存储方式，因此无需进行转换？
.values、.to_numpy() 和.array。
从pandas v0.13开始你也可以使用get_values:
df.index.get_values()
【讨论】：
get_values 只需调用 .values。需要输入更多字符。
如果您正在处理多索引数据框，您可能有兴趣仅提取多索引的一个名称的列。你可以这样做
df.index.get_level_values('name_sub_index')
当然name_sub_index 必须是FrozenList df.index.names 的一个元素
【讨论】：
我将熊猫dataframe 转换为list，然后使用基本的list.index()。像这样的：
dd = list(zone[0]) #Where zone[0] is some specific column of the table
idx = dd.index(filename[i])
您的索引值为idx。
【讨论】：
.values 以支持这些方法！从 v0.24.0 开始，我们将提供两种全新的首选方法，用于从 Index、Series 和 DataFrame 对象获取 NumPy 数组：它们是 to_numpy()和 .array。关于用法，文档提到：
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()代替。
请参阅this section of the v0.24.0 release notes 了解更多信息。
df.index.to_numpy()
# array(['a', 'b'], dtype=object)
df['A'].to_numpy()
# array([1, 4])
默认情况下，返回一个视图。所做的任何修改都会影响原件。
v = df.index.to_numpy()
v[0] = -1
df
A B
-1 1 2
b 4 5
如果您需要副本，请使用to_numpy(copy=True);
v = df.index.to_numpy(copy=True)
v[-1] = -123
df
A B
a 1 2
b 4 5
请注意，此函数也适用于 DataFrames（而 .array 不适用）。
array Attribute
此属性返回支持索引/系列的ExtensionArray 对象。
pd.__version__
# '0.24.0rc1'
# Setup.
df = pd.DataFrame([[1, 2], [4, 5]], columns=['A', 'B'], index=['a', 'b'])
df
A B
a 1 2
b 4 5
df.index.array
# <PandasArray>
# ['a', 'b']
# Length: 2, dtype: object
df['A'].array
# <PandasArray>
# [1, 4]
# Length: 2, dtype: int64
从这里，可以使用list获取列表：
list(df.index.array)
# ['a', 'b']
list(df['A'].array)
# [1, 4]
或者，直接拨打.tolist():
df.index.tolist()
# ['a', 'b']
df['A'].tolist()
# [1, 4]
关于返回的内容，文档提到，
对于由普通 NumPy 数组支持的
Series和Indexes，Series.array将返回一个新的arrays.PandasArray，这是一个薄（无副本） 包装numpy.ndarray。arrays.PandasArray不是特别 它本身很有用，但它确实提供了与任何 在 pandas 或第三方库中定义的扩展数组。
所以，总而言之，.array 将返回任一
ExtensionArray，或ExtensionArray 对象作为底层数组的薄包装器。 添加两种新方法的理由
这些功能是在两个 GitHub 问题 GH19954 和 GH23623 下讨论的结果添加的。
具体来说，文档提到了理由：
[...] with
.values不清楚返回值是否是 实际数组，对其进行一些转换，或熊猫自定义之一 数组（如Categorical）。例如，PeriodIndex、.values每次生成一个新的ndarray周期对象。 [...]
这两个功能旨在提高 API 的一致性，这是朝着正确方向迈出的重要一步。
最后，.values 在当前版本中不会被弃用，但我预计这可能会在未来的某个时候发生，所以我会敦促用户尽快迁移到更新的 API。
【讨论】：
S = pd.Series( [3, 4] ); np.asarray( S ) is S.values 让我很惊讶；你知道这是否记录在任何地方吗？ （numpy 1.21.5，熊猫 1.3.5）
以下是将dataframe列转换为numpy数组的简单方法。
df = pd.DataFrame(somedict)
ytrain = df['label']
ytrain_numpy = np.array([x for x in ytrain['label']])
ytrain_numpy 是一个 numpy 数组。
我尝试使用to.numpy()，但它给了我以下错误：
TypeError: no supported conversion for types: (dtype('O'),) 在使用线性 SVC 进行二元相关性分类时。
to.numpy() 正在将 dataFrame 转换为 numpy 数组，但内部元素的数据类型是列表，因此观察到上述错误。
【讨论】：
to_numpy 的错。
最近的一种方法是使用 .to_numpy() 函数。
如果我有一个带有“价格”列的数据框，我可以将其转换如下：
priceArray = df['price'].to_numpy()
您也可以将数据类型，例如浮点数或对象，作为函数的参数传递
【讨论】：