在数据分析中，经常涉及numpy中的ndarray对象与pandas的Series和DataFrame对象之间的转换，让大家产生困惑。本文将简单介绍这三种数据类型，并以股票信息为例，给出相关对象之间转换的具体示例。
ndarray数组对象
NumPy中的ndarray是一个多维数组对象，该对象由两部分组成：
- 实际的数据；
- 描述这些数据的元数据。
大部分的数组操作仅仅修改元数据部分，而不改变底层的实际数据。NumPy数组一般是同质的（但有一种特殊的数组类型例外，它是异质的），即数组中的所有元素类型必须是一致的。这样有一个好处：如果我们知道数组中的元素均为同一类型，该数组所需的存储空间就很容易确定下来。
我们举一个简单的多维数组的例子。在这里，我们使用Numpy提供的arange函数来来方便的创建一维数组，其函数原型为arange([start,] stop[, step,], dtype=None)。可以指定起始值、结束值、步长及数据类型参数，这里步长参数为整数值。如果要使用非整数值的步长，可以考虑使用linespace函数。通过reshape()函数将一维数组转换为多维数组。
-
>>> import numpy as np -
>>> a = np.arange(10).reshape(2,5) -
>>> print a -
[[0 1 2 3 4] -
[5 6 7 8 9]] -
>>> type(a) -
<type 'numpy.ndarray'> -
>>> a[0,1] -
1 -
>>> a[0][1] -
1 -
>>> a[:, ::2] -
array([[0, 2, 4], -
[5, 7, 9]]) -
>>> a[0] -
array([0, 1, 2, 3, 4]) -
>>> a.shape -
(2L, 5L) -
>>> a.dtype -
dtype('int32') -
>>> a.dtype.itemsize -
4
多维数组的操作也非常简单，可以参考list类型对数组进行访问、切片操作。比较重要的是可以通过shape属性获取数组的维数。
我们也可以通过多维数组来标识异构的数据类型，以股票数据为例，通过dtype类来定义数据类型对象stock, 其包括日期、开盘价、收盘价、最高价、最低价、成交量及股票编码信息：
-
from numpy import * -
if __name__ == '__main__': -
stock = dtype([('date', str_, 10), ('open', float32), ('close', float32), -
('high', float32), ('low', float32), ('volume', float32), -
('code', float32)]) -
data = array([("2017-10-18", 11.53, 11.69, 11.70, 11.51, 871365.0, "000001"), -
("2017-10-19", 11.64, 11.63, 11.72, 11.57, 722764.0, "000001"), -
("2017-10-20", 11.59, 11.48, 11.59, 11.41, 461808.0, "000001"), -
("2017-10-23", 11.39, 11.19, 11.40, 11.15, 1074465.0, "000001")], -
dtype=stock) -
print type(data) -
print data
显示结果：
-
<type 'numpy.ndarray'> -
[ ('2017-10-18', 11.52999973, 11.68999958, 11.69999981, 11.51000023, 871365., 1.) -
('2017-10-19', 11.64000034, 11.63000011, 11.72000027, 11.56999969, 722764., 1.) -
('2017-10-20', 11.59000015, 11.47999954, 11.59000015, 11.40999985, 461808., 1.) -
('2017-10-23', 11.39000034, 11.18999958, 11.39999962, 11.14999962, 1074465., 1.)]
在实际应用中，我们很少使用ndarray来定义异构的数据类型，而是使用pandas中的Series和DataFrame来操作。
Series对象
从一般意义上来讲， Series 可以简单地被认为是一维的数组。 Series 和一维数组最主要的区别在于 Series 类型具有索引（ index ）。Series支持从列表和字典创建，这里仅举以列表创建的例子：
-
from pandas import Series -
if __name__ == '__main__': -
data = [ -
["2017-10-18", 11.53, 11.69, 11.70, 11.51, 871365.0, 000001], -
["2017-10-19", 11.64, 11.63, 11.72, 11.57, 722764.0, 000001], -
["2017-10-20", 11.59, 11.48, 11.59, 11.41, 461808.0, 000001], -
["2017-10-23", 11.39, 11.19, 11.40, 11.15, 1074465.0, 000001]] -
series = Series(data, index=['a', 'b', 'c', 'd']) -
print series -
#将Series转换为ndarray类型 -
arr = series.as_matrix()
可以调用as_matrix()将其转换为ndarray类型的对象。
DataFrame对象
DataFrame 是将数个 Series 按列合并而成的二维数据结构，每一列单独取出来是一个 Series ，这和SQL数据库中取出的数据是很类似的。所以，按列对一个 DataFrame 进行处理更为方便，用户在编程时注意培养按列构建数据的思
维。 DataFrame 的优势在于可以方便地处理不同类型的列，因此，就不要考虑如何对一个全是浮点数的 DataFrame 求逆之类的问题了，处理这种问题还是把数据存成NumPy的 matrix 类型比较便利一些。
我们仍平安银行的例子，创建DataFrame对象，这里把日期提取出来作为index，同时指定了列名。
-
from pandas import Series, DataFrame -
from numpy import array -
if __name__ == '__main__': -
data = [ -
[11.53, 11.69, 11.70, 11.51, 871365.0, 000001], -
[11.64, 11.63, 11.72, 11.57, 722764.0, 000001], -
[11.59, 11.48, 11.59, 11.41, 461808.0, 000001], -
[11.39, 11.19, 11.40, 11.15, 1074465.0, 000001]] -
df = DataFrame(data, index=["2017-10-18", "2017-10-19", "2017-10-20", "2017-10-23"], -
columns=["open", "close", "high", "low", "volume", "code"]) -
print df -
print df.as_matrix(['open', 'close']) -
print df.values -
print array(df)
这里，我们展示了3种方法将DataFrame获取ndarray类型的方法。as_matrix()方法可以指定获取的列；values属性将使用所有的列转换为ndarray对象，等同与无参数的as_matrix()；array()接受将DataFrame对象作为参数创建ndarray对象。