正在将索引转换为numpy数组。python

我想将数据帧的索引列转换为数组，但我不确定如何进行。我已经将第二列转换为数组，但由于某些原因，它在第一列上也不起作用。以下是我尝试转换索引列的方式：

time = df1.as_matrix(columns = df1.columns[:,0])

但我明白了

too many indices for array

这是我的数据框

df1
Out[13]: 
                                 0
2015-11-19 23:59:54.500 -20.186533
2015-11-19 23:59:54.625 -20.272575
2015-11-19 23:59:54.750 -20.185249
2015-11-19 23:59:54.875 -20.247126
2015-11-19 23:59:55.000 -20.205975
2015-11-19 23:59:55.125 -20.281376
2015-11-19 23:59:55.250 -20.238962
2015-11-19 23:59:55.375 -20.300100
2015-11-19 23:59:55.500 -20.311625
2015-11-19 23:59:55.625 -20.264126
2015-11-19 23:59:55.750 -20.266762
2015-11-19 23:59:55.875 -20.224825
2015-11-19 23:59:56.000 -20.211288
2015-11-19 23:59:56.125 -20.163288
2015-11-19 23:59:56.250 -20.254587
2015-11-19 23:59:56.375 -20.125738
2015-11-19 23:59:56.500 -20.146749
2015-11-19 23:59:56.625 -20.161976
2015-11-19 23:59:56.750 -20.126276
2015-11-19 23:59:56.875 -20.082863
2015-11-19 23:59:57.000 -20.030237
2015-11-19 23:59:57.125 -20.098312
2015-11-19 23:59:57.250 -20.146214
2015-11-19 23:59:57.375 -20.030476
2015-11-19 23:59:57.500 -20.018661
2015-11-19 23:59:57.625 -20.029900
2015-11-19 23:59:57.750 -19.970963
2015-11-19 23:59:57.875 -19.994637
2015-11-19 23:59:58.000 -20.097612
2015-11-19 23:59:58.125 -19.952700

您只需执行df.index.values：

您只需执行df.index.values：

Try time=df1.as_matrixcolumns=df1.columns[0:1]。看起来列应该是一维数组，实际上是一个索引，给一维数组指定两个索引会产生错误。

Try time=df1.as_matrixcolumns=df1.columns[0:1]。看起来列应该是一维数组，实际上是一个索引，给一维数组指定两个索引会产生错误。

根据：Series.array和Index.array已添加用于提取支持序列或索引的数组。。。我们尚未删除或弃用Series.values或DataFrame.values，但强烈建议使用.array或.to\n

看起来此主要版本更新完全符合您的需要：

根据：已添加Series.array和Index.array以提取支持序列或索引的数组。。。我们尚未删除或弃用Series.values或DataFrame.values，但强烈建议使用.array或.to\n

---

看起来此主要版本更新完全符合您的需要：

对于给定的示例数据帧，您可以尝试time=df.as_matrixcolumns=df.columns[：]？不幸的是，这只提供了第二列。请注意：此方法用于向后兼容。通常，建议使用.values.@alexanderson-从pandas的0.24.0开始-您可以使用.array和.to_numpy访问pandas索引的支持数组-请在下面找到更新的答案。对于给定的示例数据帧，能否尝试time=df.as_matrixcolumns=df.columns[：]？不幸的是，这只给出了第二列。请注意，以备将来参考：此方法用于向后兼容。通常，建议使用.values.@alexanderson-从pandas的0.24.0开始-您可以使用.array和.to_numpy访问pandas索引的支持数组-请在下面找到更新的答案。不幸的是，这只给出了第二行。看起来Psidom的答案应该有效。它确实有效。谢谢你的帮助。不幸的是，这只给出了第二行。看起来Psidom的答案应该是可行的。确实如此。谢谢你的帮助。我试着用这个方法，我得到了一个numpy.datetime64，这很好，因为我知道如何从那里把它转换成datetime。非常感谢你的帮助。酷。很高兴它能帮上忙。我试着用这个方法，得到了一个numpy.datetime64，这很好，因为我知道如何从那里把它转换成datetime。非常感谢你的帮助。酷。很高兴这有帮助。

df = pd.DataFrame(index=['a', 'b', 'c'])

df.index.values
# array(['a', 'b', 'c'], dtype=object)