Pandas如何仅通过索引提取指定行同dtype列的原生类型numpy数组

解法 #

你遇到的类型向上转型问题，本质是先提取整行、再筛选列的操作顺序导致的：整行包含不同数据类型的列，Pandas只能将整行转为通用的object类型Series，后续再筛选子集也无法恢复原生类型。

仅通过索引操作就能保留原生np.int32类型，有两种常用实现方式： #

方式1：调整索引顺序，先选列再选行

先筛选出dtype一致的B、C列，再提取第三行数据，不会触发类型转型：

df[['B', 'C']].iloc[2].to_numpy()

输出结果：

array([9, 9], dtype=int32)

方式2：单次索引同时指定行和列

把行、列筛选逻辑放在同一个索引器中，避免先返回整行的object类型Series：

# 用loc按标签选择
df.loc[df.index[2], ['B', 'C']].to_numpy()

# 用iloc按位置选择
df.iloc[2, [1, 2]].to_numpy()

两种写法都可以直接返回dtype为np.int32的numpy数组，不需要额外做类型转换。 #

内容的提问来源于stack exchange，提问作者Mad Physicist