pandas.DataFrame.to_records

DataFrame.to_records(index=True, column_dtypes=None, index_dtypes=None)

将 DataFrame 转换为 NumPy 记录数组。

如果请求，索引将作为记录数组的第一个字段包含在内。

参数:

索引布尔值, 默认为 True

在结果记录数组中包含索引，存储在 ‘index’ 字段中或使用索引标签（如果已设置）。

column_dtypesstr, type, dict, 默认 None

如果是字符串或类型，则为存储所有列的数据类型。如果是字典，则为列名和索引（从零开始）到特定数据类型的映射。

index_dtypesstr, type, dict, 默认 None

如果是一个字符串或类型，则是存储所有索引级别的数据类型。如果是一个字典，则是索引级别名称和索引（从零开始）到特定数据类型的映射。

此映射仅在 index=True 时应用。

返回:

numpy.rec.recarray

带有 DataFrame 标签作为字段和 DataFrame 每一行作为条目的 NumPy ndarray。

参见

DataFrame.from_records

将结构化或记录 ndarray 转换为 DataFrame。

numpy.rec.recarray

一个允许使用属性进行字段访问的 ndarray，类似于电子表格中的类型列。

例子

>>> df = pd.DataFrame({"A": [1, 2], "B": [0.5, 0.75]}, index=["a", "b"])
>>> df
   A     B
a  1  0.50
b  2  0.75
>>> df.to_records()
rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],
          dtype=[('index', 'O'), ('A', '<i8'), ('B', '<f8')])

如果 DataFrame 索引没有标签，则 recarray 字段名称设置为 ‘index’。如果索引有标签，则使用该标签作为字段名称：

>>> df.index = df.index.rename("I")
>>> df.to_records()
rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],
          dtype=[('I', 'O'), ('A', '<i8'), ('B', '<f8')])

索引可以从记录数组中排除：

>>> df.to_records(index=False)
rec.array([(1, 0.5 ), (2, 0.75)],
          dtype=[('A', '<i8'), ('B', '<f8')])

可以为列指定数据类型：

>>> df.to_records(column_dtypes={"A": "int32"})
rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],
          dtype=[('I', 'O'), ('A', '<i4'), ('B', '<f8')])

也适用于索引：

>>> df.to_records(index_dtypes="<S2")
rec.array([(b'a', 1, 0.5 ), (b'b', 2, 0.75)],
          dtype=[('I', 'S2'), ('A', '<i8'), ('B', '<f8')])

>>> index_dtypes = f"<S{df.index.str.len().max()}"
>>> df.to_records(index_dtypes=index_dtypes)
rec.array([(b'a', 1, 0.5 ), (b'b', 2, 0.75)],
          dtype=[('I', 'S1'), ('A', '<i8'), ('B', '<f8')])