Convertir Sélectionner les Colonnes dans les Pandas Dataframe de Tableau Numpy

Je voudrais le convertir en tout, mais la première colonne d'une pandas dataframe dans un tableau numpy. Pour une raison quelconque à l'aide de la columns= paramètre de DataFrame.to_matrix() ne fonctionne pas.

df:

  viz  a1_count  a1_mean     a1_std
0   n         3        2   0.816497
1   n         0      NaN        NaN 
2   n         2       51  50.000000

J'ai essayé X=df.as_matrix(columns=[df[1:]]) mais cela donne un tableau de tous les NaNs

Vous êtes de passage des lignes à ne pas les noms de colonnes

OriginalL'auteur Adam_G | 2015-08-03

  1. 23

    La columns paramètre accepte une collection de noms de colonne. Vous êtes en passant une liste contenant un dataframe avec deux lignes:

    >>> [df[1:]]
[  viz  a1_count  a1_mean  a1_std
1   n         0      NaN     NaN
2   n         2       51      50]
>>> df.as_matrix(columns=[df[1:]])
array([[ nan,  nan],
       [ nan,  nan],
       [ nan,  nan]])

    Au lieu de cela, passer les noms de colonne que vous voulez:

    >>> df.columns[1:]
Index(['a1_count', 'a1_mean', 'a1_std'], dtype='object')
>>> df.as_matrix(columns=df.columns[1:])
array([[  3.      ,   2.      ,   0.816497],
       [  0.      ,        nan,        nan],
       [  2.      ,  51.      ,  50.      ]])
    Je vous remercie. J'ai eu le sentiment qu'il me manquait quelque chose de trivial.
    Je voudrais juste ajouter que as_matrix est supprimée dans une version future et le message que j'ai reçu, a déclaré à utiliser .valeurs à la place.
    as_matrix est maintenant obsolète.

    OriginalL'auteur DSM

  2. 45

    le moyen le plus facile est de les "valeurs" de la propriété df.iloc[:,1:].values

    a=df.iloc[:,1:]
b=df.iloc[:,1:].values

print(type(df))
print(type(a))
print(type(b))

    ainsi, vous pouvez obtenir le type

    <class 'pandas.core.frame.DataFrame'>
<class 'pandas.core.frame.DataFrame'>
<class 'numpy.ndarray'>

    OriginalL'auteur 176coding

  3. 0

    La manière la plus rapide et la plus simple est d'utiliser .as_matrix(). Une ligne courte:

    df.iloc[:,[1,2,3]].as_matrix()

    Donne:

    array([[3, 2, 0.816497],
   [0, 'NaN', 'NaN'],
   [2, 51, 50.0]], dtype=object)

    En utilisant les indices des colonnes, vous pouvez utiliser ce code pour tout dataframe avec différents noms de colonne.

    Voici les étapes pour ton exemple:

    import pandas as pd
columns = ['viz', 'a1_count', 'a1_mean', 'a1_std']
index = [0,1,2]
vals = {'viz': ['n','n','n'], 'a1_count': [3,0,2], 'a1_mean': [2,'NaN', 51], 'a1_std': [0.816497, 'NaN', 50.000000]}
df = pd.DataFrame(vals, columns=columns, index=index)

    Donne:

       viz  a1_count a1_mean    a1_std
0   n         3       2  0.816497
1   n         0     NaN       NaN
2   n         2      51        50

    Alors:

    x1 = df.iloc[:,[1,2,3]].as_matrix()

    Donne:

    array([[3, 2, 0.816497],
   [0, 'NaN', 'NaN'],
   [2, 51, 50.0]], dtype=object)

    Où x1 est numpy.ndarray.

    OriginalL'auteur amc