Création d'un DataFrame Pandas avec un tableau numpy contenant plusieurs types

Je veux créer une pandas dataframe avec les valeurs par défaut de zéro, mais une colonne de nombres entiers et l'autre de chars. Je suis capable de créer un tableau numpy avec le bon type, voir la values variable ci-dessous. Cependant, lorsque je passe dans le dataframe constructeur, il ne renvoie NaN valeurs (voir df ci-dessous). J'ai inclure le type de code qui renvoie un tableau de float(voir df2)

import pandas as pd
import numpy as np

values = np.zeros((2,3), dtype='int32,float32')
index = ['x', 'y']
columns = ['a','b','c']

df = pd.DataFrame(data=values, index=index, columns=columns)
df.values.dtype

values2 = np.zeros((2,3))
df2 = pd.DataFrame(data=values2, index=index, columns=columns)
df2.values.dtype

Des suggestions sur la façon de construire le dataframe?

source d'informationauteur bfcondon

  1. 37

    Voici quelques options que vous pourriez choisir à partir de:

    import numpy as np
import pandas as pd
index = ['x', 'y']
columns = ['a','b','c']
# Option 1: Set the column names in the structured array's dtype 
dtype = [('a','int32'), ('b','float32'), ('c','float32')]
values = np.zeros(2, dtype=dtype)
df = pd.DataFrame(values, index=index)
# Option 2: Alter the structured array's column names after it has been created
values = np.zeros(2, dtype='int32, float32, float32')
values.dtype.names = columns
df2 = pd.DataFrame(values, index=index, columns=columns)
# Option 3: Alter the DataFrame's column names after it has been created
values = np.zeros(2, dtype='int32, float32, float32')
df3 = pd.DataFrame(values, index=index)
df3.columns = columns
# Option 4: Use a dict of arrays, each of the right dtype:
df4 = pd.DataFrame(
{'a': np.zeros(2, dtype='int32'),
'b': np.zeros(2, dtype='float32'),
'c': np.zeros(2, dtype='float32')}, index=index, columns=columns)
# Option 5: Concatenate DataFrames of the simple dtypes:
df5 = pd.concat([
pd.DataFrame(np.zeros((2,), dtype='int32'), columns=['a']), 
pd.DataFrame(np.zeros((2,2), dtype='float32'), columns=['b','c'])], axis=1)
# Option 6: Alter the dtypes after the DataFrame has been formed. (This is not very efficient)
values2 = np.zeros((2, 3))
df6 = pd.DataFrame(values2, index=index, columns=columns)
for col, dtype in zip(df6.columns, 'int32 float32 float32'.split()):
df6[col] = df6[col].astype(dtype)

    Chacune des options ci-dessus produisent le même résultat

       a  b  c
x  0  0  0
y  0  0  0

    avec dtypes:

    a      int32
b    float32
c    float32
dtype: object

    Pourquoi pd.DataFrame(values, index=index, columns=columns) produit un DataFrame avec NaNs:

    values est structuré un tableau avec les noms de colonnes f0f1f2:

    In [171]:  values
Out[172]: 
array([(0, 0.0, 0.0), (0, 0.0, 0.0)], 
dtype=[('f0', '<i4'), ('f1', '<f4'), ('f2', '<f4')])

    Si vous passez l'argument columns=['a', 'b', 'c'] à pd.DataFramepuis les Pandas vont regarder pour les colonnes avec les noms dans la structure de la matrice de values. Lorsque ces colonnes ne sont pas trouvés, les Pandas lieux NaNs dans le DataFrame pour représenter les valeurs manquantes.