在Python中将元组的数据帧强制转换为numpy矩阵

我有一个数据帧

df = pd.DataFrame({'age' : [(1, 2), (1, 3), (1, 1)], \
                   'year' : [(20, 30), (30, 40), (30, 40)]})
df
Out[58]: 
      age      year
0  (1, 2)  (20, 30)
1  (1, 3)  (30, 40)
2  (1, 1)  (30, 40)

我想把它转换成这样的numpy数组

 array([[ 1,  2, 20, 30],
        [ 1,  3, 30, 40],
        [ 1,  1, 30, 40]])

i、 e.数据框中的一行是矩阵中的一行，数据框中的一个元组列是矩阵中的两列。数据帧中可能有更多的元组（导致数组中有更多的列）

所以，若

col\u names

是一个列名数组（这里

col\u names=['age'，'year']

）

---

我想要像

numpy\u array=some\u聪明的表达式（col\u name）

与

np堆叠。连接

以获得1D展平数组，然后重塑形状-

np.concatenate(np.concatenate(df.values)).reshape(df.shape[0],-1)

样本输出-

In [460]: np.concatenate(np.concatenate(df.values)).reshape(df.shape[0],-1)
Out[460]: 
array([[ 1,  2, 20, 30],
       [ 1,  3, 30, 40],
       [ 1,  1, 30, 40]])

或者，我们可以使用

np.hstack

获得扁平化版本-

np.hstack(np.hstack(df.values))

---

要选择特定的列，只需对这些列建立索引，获取数组数据并继续。因此，对于

col\u names

中的列名列表，请改用

df[col\u names].values

。

与

np堆叠。连接
以获得1D展平数组，然后重新整形-

np.concatenate(np.concatenate(df.values)).reshape(df.shape[0],-1)

样本输出-

In [460]: np.concatenate(np.concatenate(df.values)).reshape(df.shape[0],-1)
Out[460]: 
array([[ 1,  2, 20, 30],
       [ 1,  3, 30, 40],
       [ 1,  1, 30, 40]])

或者，我们可以使用
np.hstack
获得扁平化版本-

np.hstack(np.hstack(df.values))

要选择特定的列，只需对这些列建立索引，获取数组数据并继续。因此，对于
col\u names
中的列名列表，请改用
df[col\u names].values