我们如何将Python数据帧重塑为C-连续内存？

我正在用Pandas在内存中加载一个二维数据集，并执行4个简单的机器学习预处理任务，如添加/删除列、重新索引、训练/测试拆分

#Read file
MLMe = pd.read_table("data/dtCTG.txt", ",")
#Label target column to "class"
MLMe.rename(columns={'NSP' : 'class'}, inplace=True)

#Create train/test indices
MLMe_class = MLMe['class'].values
training_indices, validation_indices = training_indices, testing_indices = train_test_split(
MLMe.index, stratify = MLMe_class, train_size=0.75, test_size=0.25)

#Create train/test data sets
X_train = MLMe.drop('class',axis=1).loc[training_indices].values
y_train = MLMe.loc[training_indices,'class'].values

X_test = MLMe.drop('class',axis=1).loc[validation_indices].values
y_test = MLMe.loc[validation_indices, 'class'].values

#Final datasets to be used for training
X_train, y_train, X_test, y_test

现在，当我将X_列、y_列数据帧传递给某些库时，我得到一条错误消息，即缓冲区不再是C连续的

BufferError: memoryview: underlying buffer is not C-contiguous

我的问题是：我如何制作X\U列车，y\U列车C-连续缓冲器？我试着用C和F选项重塑，但没有成功

编辑：以下是数据帧的形状、数据类型和标志：

X_train.shape, y_train.shape, X_test.shape, y_test.shape
((1104, 9), (1104,), (369, 9), (369,))
X_train.dtype, y_train.dtype, X_test.dtype, y_test.dtype
(dtype('int64'), dtype('int64'), dtype('int64'), dtype('int64'))
X_train.flags, y_train.flags, X_test.flags, y_test.flags
(  C_CONTIGUOUS : False
   F_CONTIGUOUS : True
   OWNDATA : False
   WRITEABLE : True
   ALIGNED : True
   UPDATEIFCOPY : False,   

   C_CONTIGUOUS : True
   F_CONTIGUOUS : True
   OWNDATA : True
   WRITEABLE : True
   ALIGNED : True
   UPDATEIFCOPY : False,   

   C_CONTIGUOUS : False
   F_CONTIGUOUS : True
   OWNDATA : False
   WRITEABLE : True
   ALIGNED : True
   UPDATEIFCOPY : False,   

   C_CONTIGUOUS : True
   F_CONTIGUOUS : True
   OWNDATA : True
   WRITEABLE : True
   ALIGNED : True
   UPDATEIFCOPY : False
)

---

我们无法直接控制数据帧如何存储其值，这些值可以是c连续的，也可以不是。但是，通过在基础numpy数组上使用numpy函数

ASCONTIGOUUSARRAY

很容易获得C-连续数据，该函数由数组的

value

属性返回。您可以自己测试它：

X_train.flags.c_contiguous  # Checks if the array is C-contiguous
#>>> False
X_train = np.ascontiguousarray(X_train) # Converts the array to C-contiguous
X_train.flags.c_contiguous
#>>> True

numpy.ascontiguousarray

的文档可在以下位置找到：

---

检查并-您可能会在那里找到一些有用的信息…向我们展示相关数组的数据类型、形状和标志。您是否尝试过

X\u train=np.ascontiguousarray（X\u train）

？我为数据集添加了数据类型、形状和标志信息。两个C_不连续：我想解决办法是使它们C_连续，但不确定如何连续。@Happy001哇，你的解决办法成功了！谢谢