我将pandas数据帧转换为list，然后使用基本的list.index()。就像这样:

dd = list(zone[0]) #Where zone[0] is some specific column of the table
idx = dd.index(filename[i])

你有你的索引值idx。

你可以用df。索引来访问索引对象，然后使用df.index.tolist()获取列表中的值。类似地，您可以使用df['col'].tolist()作为Series。

下面是一个将数据帧列转换为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。

我尝试了to.numpy()，但它给了我以下错误:

TypeError:不支持类型转换:(dtype('O')，)*，同时使用线性SVC进行二进制相关性分类。

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。

如果您正在处理一个多索引数据框架，您可能只对提取多索引的一个名称的列感兴趣。你可以这样做

df.index.get_level_values('name_sub_index')

当然name_sub_index必须是FrozenList中的一个元素

熊猫>= 0.24

不要使用.values来支持这些方法!

从v0.24.0开始，我们将有两个全新的、首选的方法来从Index、Series和DataFrame对象中获取NumPy数组:它们是to_numpy()和.array。关于用法，文档中提到:

我们还没有删除或弃用系列。值或 DataFrame。值，但我们强烈建议使用.array或 .to_numpy()。

有关更多信息，请参阅v0.24.0发行说明的这一部分。

---

to_numpy()方法

df.index.to_numpy()
# array(['a', 'b'], dtype=object)

df['A'].to_numpy()
#  array([1, 4])

缺省情况下，返回一个视图。任何修改都将影响原件。

v = df.index.to_numpy()
v[0] = -1
 
df
    A  B
-1  1  2
b   4  5

如果你需要一个副本，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

注意，这个函数也适用于dataframe(而.array则不行)。

---

数组属性 该属性返回一个支持索引/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获取一个列表:

list(df.index.array)
# ['a', 'b']

list(df['A'].array)
# [1, 4]

或者直接调用.tolist():

df.index.tolist()
# ['a', 'b']

df['A'].tolist()
# [1, 4]

关于返回什么，文档提到，

对于由普通NumPy数组支持的系列和索引，请使用Series.array 将返回一个新数组。PandasArray，这是一个thin(无复制) 包装numpy.ndarray。数组。PandasArray并不特别 它本身很有用，但它确实提供了与其他工具相同的接口 在pandas中或由第三方库定义的扩展数组。

总之，.array将返回任意一个

支持索引/系列的现有ExtensionArray，或 如果有一个NumPy数组支持该系列，则会创建一个新的ExtensionArray对象，作为底层数组的精简包装器。

---

添加两个新方法的基本原理 这些功能是在两个GitHub问题GH19954和GH23623下讨论的结果。

具体来说，文档中提到了基本原理:

[…返回值是否为.values还不清楚 实际的阵列，它的一些变换，或熊猫的习俗之一 数组(如Categorical)。例如，对于PeriodIndex， .values 每次生成一个新的周期对象ndarray。[…]

这两个函数旨在提高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，但我预计在未来的某个时候会发生这种情况，所以我会敦促用户尽快迁移到更新的API。

要获得NumPy数组，你应该使用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)

这将访问数据已经存储的方式，因此不需要进行任何转换。

注意:此属性也可用于许多其他pandas对象。

In [3]: df['A'].values
Out[3]: Out[16]: array([1, 2, 3])

---

要以列表的形式获取索引，调用tolist:

In [4]: df.index.tolist()
Out[4]: ['a', 'b', 'c']

类似地，对于列。