DataFrame.to_records(index=True, column_dtypes=None, index_dtypes=None)
将DataFrame转换为一个NumPy记录数组。
如果需要，Index将被包括为记录数组的第一个字段。
参数： | index ： 如果设置，在结果记录数组中包括索引， 存储在 column_dtypes ： 新版本为0.24.0。 如果是字符串或类型，则数据类型要存储所有列。 如果是字典， 则列名称和索引(zero-indexed)到特定数据类型的映射。 index_dtypes： 如果是字符串或类型，则该数据类型要存储所有索引级别。 如果是字典， 索引级别名称和索引(zero-indexed)到特定数据类型的映射。 该映射仅在 |
返回值： | numpy.recarray NumPy ndarray，DataFrame标签为字段，DataFrame的每一行为条目。 |
例子
>>> df = pd.DataFrame({'A': [1, 2], 'B': [0.5, 0.75]},
... index=['a', 'b'])
>>> df
A B
a 1 0.50
b 2 0.75
>>> df.to_records()
rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],
dtype=[('index', 'O'), ('A', '<i8'), ('B', '<f8')])如果DataFrame索引没有标签，则将recarray字段名称设置为“ index”。如果索引具有标签，则将其用作字段名称：
>>> df.index = df.index.rename("I")
>>> df.to_records()
rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],
dtype=[('I', 'O'), ('A', '<i8'), ('B', '<f8')])索引可以从记录数组中排除：
>>> df.to_records(index=False)
rec.array([(1, 0.5 ), (2, 0.75)],
dtype=[('A', '<i8'), ('B', '<f8')])可以为列指定数据类型：
>>> df.to_records(column_dtypes={"A": "int32"})
rec.array([('a', 1, 0.5 ), ('b', 2, 0.75)],
dtype=[('I', 'O'), ('A', '<i4'), ('B', '<f8')])以及索引：
>>> df.to_records(index_dtypes="<S2")
rec.array([(b'a', 1, 0.5 ), (b'b', 2, 0.75)],
dtype=[('I', 'S2'), ('A', '<i8'), ('B', '<f8')])
>>> index_dtypes = f"<S{df.index.str.len().max()}"
>>> df.to_records(index_dtypes=index_dtypes)
rec.array([(b'a', 1, 0.5 ), (b'b', 2, 0.75)],
dtype=[('I', 'S1'), ('A', '<i8'), ('B', '<f8')])