Python 熊猫系列到numpy阵列转换错误

我和福勒有一个熊猫系列<代码>值\u计数输出（）

在本系列中执行descripe（）时，我得到：

df[col_name].describe()
count    2738.000000
mean      172.182250
std        47.387496
min         0.000000
25%       171.250000
50%       197.000000
75%       197.000000
max       197.000000
Name: SS_D_1, dtype: float64

但是，如果我试图找到最小值和最大值，我会得到nan作为答案：

numpy.min(df[col_name].values)
nan

另外，当我尝试将它转换为numpy数组时，我似乎得到了一个只有nan的数组

numpy.array(df[col_name])

任何关于如何成功地从pandas系列转换为numpy数组的建议

函数和方法

np.ndarray.min

都将始终为包含一个或多个NaN值的任何数组返回NaN（这是标准的IEE754浮点行为）

您可以使用，它在计算最小值时忽略NaN值，例如：

np.nanmin(df[col_name].values)

更简单的选择是只使用该方法，该方法已忽略NaN值，即：

df[col_name].min()

---

我不知道为什么

numpy.array（df[col\u name]）

会返回一个只包含nan的数组，除非

df[col\u name]

一开始就只包含nan。我想这一定是由于代码中的其他错误造成的。

从pandas的V0.24.0开始-您可以使用

.array

和

访问pandas系列的备份数组


Quote:“Series.array和Index.array已添加用于提取支持序列或索引的数组…我们没有删除或弃用Series.values或DataFrame.values，但我们强烈建议使用.array或.to_numpy（）

…当您需要存储在系列、和系列中的数据数组时，建议使用Series.array。当您知道需要numpy数组时，建议使用to_numpy（）。“
df[col\u name]。值将返回numpy数组。如果数据中有NaN，则使用numpy.min函数进行传播。这意味着如果存在NaN，np.min将始终生成NaN作为anser。尝试nanmin任何包含
nan
的数组的
min
也是
nan
。要忽略
nan
值，请尝试
np.nanmin（df[col\u name].values）
（或者只需
df[col\u name].min（）
）。谢谢，但我也得到了一个nan：numpy.array（df[col\u name]）。min（）问题是，在调用
min（）
方法之前，您要将其强制转换为numpy数组
pandas.Series.min（）
执行与
np.nanmin
等效的操作并忽略nan值，鉴于
numpy.ndarray.min
相当于
np.min
，对于包含一个或多个
nan
s的数组，它将返回
nan
。@user308827-从pandas'0.24.0开始-您可以使用
.array
和
访问pandas系列的备份数组。要查找更新的答案，请访问
吼叫。
df[col_name].min()