如何将Pandas DataFrame的列转换为NumPy数组（延伸问题）

嘿，这个需求其实超简单，你只需要在to_numpy()的结果后面加上转置操作就搞定啦！

首先回顾你的原始DataFrame：

import pandas as pd
df = pd.DataFrame(data={'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])

df.to_numpy()默认会把DataFrame的行作为NumPy数组的第一维度，而你想要的是把列作为第一维度，这时候只需要对结果做转置（用.T或者.transpose()都可以）：

columns = df.to_numpy().T
# 输出结果：
# array([[1, 2, 3],
#        [4, 5, 6],
#        [7, 8, 9]])

这样你就可以通过columns[0]获取原DataFrame的A列数组，columns[1]获取B列，columns[2]获取C列，完全符合你的需求～

如果只需要转换特定列，比如只转A和C列，同样的逻辑：

specific_columns = df[['A', 'C']].to_numpy().T
# 输出结果：
# array([[1, 2, 3],
#        [7, 8, 9]])

补充说明一下：.T是NumPy数组的转置属性，和调用.transpose()方法效果完全一样，只是写法更简洁。之所以这个方法可行，是因为to_numpy()返回的数组形状是(行数, 列数)，转置后就变成了(列数, 行数)，正好对应你想要的“每一行对应原DataFrame一列”的结构。

内容的提问来源于stack exchange，提问作者lpnorm