pandas.DataFrame, SeriesとNumPy配列ndarrayを相互に変換
pandas.DataFrame, pandas.SeriesとNumPy配列numpy.ndarrayは相互に変換できる。
DataFrame,Seriesのvaliues属性でndarrayを取得ndarrayをDataFrame,Seriesのコンストラクタに渡し、そのndarrayをdataとするDataFrame,Seriesを生成
それぞれについてサンプルコードとともに説明する。
なお、pandas.DataFrame, pandas.Seriesにはas_matrix()というnumpy.ndarrayを返すメソッドもあるが、バージョン0.23.0からdeprecated（非推奨）になっている。
pandas.DataFrame, Seriesのvalues属性でNumPy配列ndarrayを取得
pandas.DataFrame, pandas.Seriesいずれもvaliues属性でNumPy配列numpy.ndarryを取得できる。
pandas.DataFrameの場合。
import numpy as np
import pandas as pd
df = pd.DataFrame(data=[[1, 2, 3], [4, 5, 6]], columns=['a', 'b', 'c'])
print(df)
# a b c
# 0 1 2 3
# 1 4 5 6
a_df = df.values
print(a_df)
# [[1 2 3]
# [4 5 6]]
print(type(a_df))
# <class 'numpy.ndarray'>
print(a_df.dtype)
# int64
pandas.Seriesの場合。
s = df['a']
print(s)
# 0 1
# 1 4
# Name: a, dtype: int64
a_s = s.values
print(a_s)
# [1 4]
print(type(a_s))
# <class 'numpy.ndarray'>
print(a_s.dtype)
# int64
取得できるndarrayのデータ型dtypeは元のpandas.DataFrame, pandas.Seriesのdtypeと同じ。
df_f = pd.DataFrame([[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]])
print(df_f)
# 0 1 2
# 0 0.1 0.2 0.3
# 1 0.4 0.5 0.6
a_df_f = df_f.values
print(a_df_f)
# [[0.1 0.2 0.3]
# [0.4 0.5 0.6]]
print(type(a_df_f))
# <class 'numpy.ndarray'>
print(a_df_f.dtype)
# float64
数値と文字列が混在するpandas.DataFrameはobject型のndarrayとなる。
df_multi = pd.read_csv('data/src/sample_pandas_normal.csv')
print(df_multi)
# name age state point
# 0 Alice 24 NY 64
# 1 Bob 42 CA 92
# 2 Charlie 18 CA 70
# 3 Dave 68 TX 70
# 4 Ellen 24 CA 88
# 5 Frank 30 NY 57
a_df_multi = df_multi.values
print(a_df_multi)
# [['Alice' 24 'NY' 64]
# ['Bob' 42 'CA' 92]
# ['Charlie' 18 'CA' 70]
# ['Dave' 68 'TX' 70]
# ['Ellen' 24 'CA' 88]
# ['Frank' 30 'NY' 57]]
print(type(a_df_multi))
# <class 'numpy.ndarray'>
print(a_df_multi.dtype)
# object
ndarrayのobject型についての詳細は以下の記事を参照。
DataFrameの特定の列だけndarrayに変換したい場合は、列を抽出したDataFrameのvaluesを取得すればよい。列の抽出については以下の記事を参照。
数値の列だけ選択すれば、ndarrayの型もobjectではなくその型になる。
a_df_int = df_multi[['age', 'point']].values
print(a_df_int)
# [[24 64]
# [42 92]
# [18 70]
# [68 70]
# [24 88]
# [30 57]]
print(type(a_df_int))
# <class 'numpy.ndarray'>
print(a_df_int.dtype)
# int64
場合によっては.Tで転置したほうが使いやすいかもしれない。
print(a_df_int.T)
# [[24 42 18 68 24 30]
# [64 92 70 70 88 57]]
条件を指定して特定の型の列だけ抽出することもできる。例えばint64型の列のみ抽出したい場合は以下のように書ける。
a_df_int = df_multi.select_dtypes(include=int).values
print(a_df_int)
# [[24 64]
# [42 92]
# [18 70]
# [68 70]
# [24 88]
# [30 57]]
print(type(a_df_int))
# <class 'numpy.ndarray'>
print(a_df_int.dtype)
# int64
select_dtypes()を使ったデータ型dtypeによる列の抽出についての詳細は以下の記事を参照。
そのほか、条件を満たす行名・列名の行・列のみを抽出することもできる。以下の記事を参照。
NumPy配列ndarrayからpandas.DataFrame, Seriesを生成
NumPy配列numpy.ndarryはpandas.DataFrameおよびpandas.Seriesのコンストラクタの第一引数dataに指定できる。
pandas.Seriesを生成
コンストラクタに他の引数を何も指定しないと、元のndarrayの型のSeriesとなる。
import numpy as np
import pandas as pd
a = np.arange(4)
print(a)
# [0 1 2 3]
s = pd.Series(a)
print(s)
# 0 0
# 1 1
# 2 2
# 3 3
# dtype: int64
インデックス名indexやSeriesの名前name、データ型dtypeなどを引数で指定することもできる。
index = ['A', 'B', 'C', 'D']
name = 'sample'
s = pd.Series(data=a, index=index, name=name, dtype='float')
print(s)
# A 0.0
# B 1.0
# C 2.0
# D 3.0
# Name: sample, dtype: float64
pandasのdtypeについては以下の記事を参照。
多次元のndarrayをSeriesのコンストラクタのdataに指定するとエラーになる。
a = np.arange(12).reshape((4, 3))
print(a)
# [[ 0 1 2]
# [ 3 4 5]
# [ 6 7 8]
# [ 9 10 11]]
# s = pd.Series(a)
# print(s)
# Exception: Data must be 1-dimensional
例えば二次元のndarrayの行や列を選択してpandas.Seriesに変換することは可能。
s = pd.Series(a[2])
print(s)
# 0 6
# 1 7
# 2 8
# dtype: int64
s = pd.Series(a.T[2])
print(s)
# 0 2
# 1 5
# 2 8
# 3 11
# dtype: int64
pandas.DataFrameを生成
Seriesと同じく、コンストラクタに他の引数を何も指定しないと、元のndarrayの型のDataFrameとなる。
a = np.arange(12).reshape((4, 3))
print(a)
# [[ 0 1 2]
# [ 3 4 5]
# [ 6 7 8]
# [ 9 10 11]]
df = pd.DataFrame(a)
print(df)
# 0 1 2
# 0 0 1 2
# 1 3 4 5
# 2 6 7 8
# 3 9 10 11
行名indexや列の名columns、データ型dtypeなどを引数で指定することもできる。
index = ['A', 'B', 'C', 'D']
columns = ['a', 'b', 'c']
df = pd.DataFrame(data=a, index=index, columns=columns, dtype='float')
print(df)
# a b c
# A 0.0 1.0 2.0
# B 3.0 4.0 5.0
# C 6.0 7.0 8.0
# D 9.0 10.0 11.0