polars.from_numpy#

polars.from_numpy(
data: np.ndarray[Any, Any],
schema: SchemaDefinition | None = None,
*,
schema_overrides: SchemaDict | None = None,
orient: Orientation | None = None,
) → DataFrame[source]#

从NumPy ndarray构建一个DataFrame。此操作会克隆数据。

请注意，这比从列式内存创建要慢。

Parameters:
datanumpy.ndarray

表示为NumPy ndarray的二维数据。

schemaSequence of str, (str,DataType) pairs, or a {str:DataType,} dict

DataFrame的模式可以通过几种方式声明：

  • 作为一个{名称:类型}对的字典；如果类型为None，它将自动推断。

  • 作为列名的列表；在这种情况下，类型会自动推断。

  • 作为（名称，类型）对的列表；这等同于字典形式。

如果您提供的列名列表与基础数据中的名称不匹配，此处提供的名称将覆盖它们。模式中提供的名称数量应与基础数据的维度相匹配。

schema_overridesdict, default None

支持类型指定或覆盖一个或多个列；请注意，从列参数推断出的任何数据类型将被覆盖。

orient{None, ‘col’, ‘row’}

是否将二维数据解释为列或行。如果为None，则通过匹配列和数据维度来推断方向。如果这没有产生确定性的结果，则使用列方向。

Returns:
DataFrame

示例

>>> import numpy as np
>>> data = np.array([[1, 2, 3], [4, 5, 6]])
>>> df = pl.from_numpy(data, schema=["a", "b"], orient="col")
>>> df
shape: (3, 2)
┌─────┬─────┐
│ a   ┆ b   │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════╪═════╡
│ 1   ┆ 4   │
│ 2   ┆ 5   │
│ 3   ┆ 6   │
└─────┴─────┘
On this page