似乎df.to_records()将为您工作。您正在寻找的确切特性被请求，to_records被指向作为替代。

我用你的例子在本地尝试了这一点，这个调用产生了与你正在寻找的输出非常相似的东西:

rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)],
      dtype=[(u'ID', '<i8'), (u'A', '<f8'), (u'B', '<f8'), (u'C', '<f8')])

注意，这是一个重数组，而不是数组。可以通过调用numpy数组的构造函数np.array(df.to_records())将结果移动到常规numpy数组中。

一个简单的方法将数据帧转换为numpy数组:

import pandas as pd
df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
df_to_array = df.to_numpy()
array([[1, 3],
   [2, 4]])

为了保持一致性，建议使用to_numpy。

参考: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_numpy.html

试试这个:

np.array(df) 

array([['ID', nan, nan, nan],
   ['1', nan, 0.2, nan],
   ['2', nan, nan, 0.5],
   ['3', nan, 0.2, 0.5],
   ['4', 0.1, 0.2, nan],
   ['5', 0.1, 0.2, 0.5],
   ['6', 0.1, nan, 0.5],
   ['7', 0.1, nan, nan]], dtype=object)

更多信息请访问:[https://docs.scipy.org/doc/numpy/reference/generated/numpy.array.html] 适用于numpy 1.16.5和pandas 0.25.2。

似乎df.to_records()将为您工作。您正在寻找的确切特性被请求，to_records被指向作为替代。

我用你的例子在本地尝试了这一点，这个调用产生了与你正在寻找的输出非常相似的东西:

rec.array([(1, nan, 0.2, nan), (2, nan, nan, 0.5), (3, nan, 0.2, 0.5),
       (4, 0.1, 0.2, nan), (5, 0.1, 0.2, 0.5), (6, 0.1, nan, 0.5),
       (7, 0.1, nan, nan)],
      dtype=[(u'ID', '<i8'), (u'A', '<f8'), (u'B', '<f8'), (u'C', '<f8')])

注意，这是一个重数组，而不是数组。可以通过调用numpy数组的构造函数np.array(df.to_records())将结果移动到常规numpy数组中。

要将pandas数据帧(df)转换为numpy ndarray，使用以下代码:

df.values

array([[nan, 0.2, nan],
       [nan, nan, 0.5],
       [nan, 0.2, 0.5],
       [0.1, 0.2, nan],
       [0.1, 0.2, 0.5],
       [0.1, nan, 0.5],
       [0.1, nan, nan]])

注意:这个答案中使用的.as_matrix()方法已弃用。熊猫0.23.4警告:

方法.as_matrix将在未来的版本中被删除。请改用.values。

熊猫有某种内在的东西……

numpy_matrix = df.as_matrix()

给了

array([[nan, 0.2, nan],
       [nan, nan, 0.5],
       [nan, 0.2, 0.5],
       [0.1, 0.2, nan],
       [0.1, 0.2, 0.5],
       [0.1, nan, 0.5],
       [0.1, nan, nan]])