对pandas提取的数据转化为array

可以使用pandas库中的`to_numpy()`函数将提取的数据转化为array，示例代码如下：

import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 将DataFrame转化为array
arr = df.to_numpy()

# 打印转化后的array
print(arr)

输出：

array([[1, 4],
       [2, 5],
       [3, 6]])

相关问题

data = pd.read_excel("D:/PycharmProjects/cluster220422/聚类后数据1000_excel/" + cond) # # print(data) # # 首先将pandas读取的数据转化为array # data = np.array(data) # # 然后转化为list形式 # data = data.tolist() # # print(data)，df = pd.read_csv("F:/XH_WY_ZH_ALL/XH_WY_ZH_ALL/XH_WY_ZH_ALL/" + cond) # os.mkdir(r"G:/功图/" + cond) # 选择需要提取的两列数据 col1 = df['WY'] col2 = df['ZH'] # 合并两列数据 new_col = col1.astype(str) + ',' + col2.astype(str) # 将合并后的数据保存为新文件 new_df = pd.DataFrame({'WYZH': new_col}) # 分列 new_df = new_df['WYZH'].str.split(',', expand=True) new_df = pd.DataFrame(new_df) # 首先将pandas读取的数据转化为array data = np.array(new_df) # 然后转化为list形式 data = data.tolist() # print(data)如何让第二个代码输出的数据和第一代码的输出格式相同

可以使用 pandas 中的 to_numpy() 方法将 DataFrame 对象转换为 numpy 数组，然后再使用 numpy 数组的 tolist() 方法将其转换为列表，最终得到和第一段代码输出格式相同的数据。修改后的代码如下：

import pandas as pd
import numpy as np

df = pd.read_csv("F:/XH_WY_ZH_ALL/XH_WY_ZH_ALL/XH_WY_ZH_ALL/" + cond)
col1 = df['WY']
col2 = df['ZH']
new_col = col1.astype(str) + ',' + col2.astype(str)
new_df = pd.DataFrame({'WYZH': new_col})
new_df[['WY', 'ZH']] = new_df['WYZH'].str.split(',', expand=True)
data = new_df[['WY', 'ZH']].to_numpy().tolist()
print(data)

data = pd.read_excel("D:/PycharmProjects/cluster220422/聚类后数据1000_excel/" + cond) # os.mkdir(r"D:/PycharmProjects/cluster220422/聚类后数据1000_png/" + str(condnum)) # # print(data) # # 首先将pandas读取的数据转化为array # data = np.array(data) # # 然后转化为list形式 # data = data.tolist() # # print(data)，datapath = "F:/XH_WY_ZH_ALL/XH_WY_ZH_ALL/XH_WY_ZH_ALL/" conds = os.listdir(datapath) for cond in conds: df = pd.read_csv("F:/XH_WY_ZH_ALL/XH_WY_ZH_ALL/XH_WY_ZH_ALL/" + cond) # os.mkdir(r"G:/功图/" + cond) # 选择需要提取的两列数据 col1 = df['WY'] col2 = df['ZH'] # 合并两列数据 new_col = col1.astype(str) + ',' + col2.astype(str) # 将合并后的数据保存为新文件 new_df = pd.DataFrame({'WYZH': new_col}) # 分列 new_df = new_df['WYZH'].str.split(',', expand=True) new_df = pd.DataFrame(new_df) # 首先将pandas读取的数据转化为array data = np.array(new_df) # 然后转化为list形式 data = data.tolist() print(data) 如何让第二个代码输出的数据和第一代码的输出格式相同

你的第一个代码输出的数据格式是一个列表嵌套多个列表，每个列表代表一个Excel文件中的数据。而第二个代码输出的数据格式是一个列表嵌套多个元组，每个元组代表一个CSV文件中的两列数据。如果你想让第二个代码输出的数据格式和第一个代码相同，可以在最后将列表中的每个元组转换为一个列表，然后再将这些列表组成一个大的列表。修改后的代码如下：

import os
import pandas as pd
import numpy as np

datapath = "F:/XH_WY_ZH_ALL/XH_WY_ZH_ALL/XH_WY_ZH_ALL/"
conds = os.listdir(datapath)
data_list = []

for cond in conds:
    df = pd.read_csv("F:/XH_WY_ZH_ALL/XH_WY_ZH_ALL/XH_WY_ZH_ALL/" + cond)
    col1 = df['WY']
    col2 = df['ZH']
    new_col = col1.astype(str) + ',' + col2.astype(str)
    new_df = pd.DataFrame({'WYZH': new_col})
    new_df = new_df['WYZH'].str.split(',', expand=True)
    new_df = pd.DataFrame(new_df)
    data = np.array(new_df)
    data = data.tolist()
    data_list.append(data)

print(data_list)

这样修改后，第二个代码输出的数据格式就和第一个代码相同了。