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。

从pandas v0.13开始，你还可以使用get_values:

df.index.get_values()

最近的一种方法是使用.to_numpy()函数。

如果我有一个列为“price”的数据框架，我可以将其转换为如下方式:

priceArray = df['price'].to_numpy()

还可以将数据类型(如float或object)作为函数的参数传递

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。

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。

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。