将 Pandas DataFrame 转换为 numpy 数组但不一致

如何解决将 Pandas DataFrame 转换为 numpy 数组但不一致

我遇到了一个奇怪的不一致问题。所以我必须了解不可变和可变数据类型之间的区别。出于我的目的，我需要将我的 Pandas DataFrame 转换为 Numpy apply 操作并将其转换回来，因为我不想改变我的输入。

所以我转换如下：

mix=pd.DataFrame(array,columns=columns)
def mix_to_pmix(mix,p_tank):
    prevIoUs=0
    columns,mix_in=np.array(mix) #<---
    mix_in*=p_tank
    prevIoUs=0
    for count,val in enumerate(mix_in):
        mix_in[count]=val+prevIoUs
        prevIoUs+=val

    return pd.DataFrame(mix_in,columns=columns)

这工作得很好，但功能：

columns,mix_in=np.array(mix)

似乎与案例不一致：

def to_molfrac(mix):
    columns,mix_in=np.array(mix)
    shape=mix_in.shape

    for i in range(shape[0]):
        mix_in[i,:]*=1/max(mix_in[i,:])
    for k in range(shape[1]-1,-1):
        mix_in[:,k]+=-mix_in[:,k-1]
    mix_in=mix_in/mix_in.sum(axis=1)[:,np.newaxis]
    return pd.DataFrame(mix_in,columns=columns)

我收到错误：

ValueError: too many values to unpack (expected 2)

后一个函数的输入是前一个函数的输出。所以应该是一样的情况。

解决方法

没有例子是不可能理解to_molfrac和mix_to_pmix的输入的。 但是 pandas 对象有一个 .value 属性，它允许您访问底层的 numpy 数组。因此，使用 mix_in = mix.values 可能更好。

columns,values = df.columns,df.values