パンダセットとドッキングします

♪the pandas Packageは表構造の高性能データ解析のためのパケットであり，対である Table 中のクラス astropy それがそうです。

あるために Table クラスとパンダ DataFrame クラス(パンダの主なデータ構造)は Table クラスには2つの方法があります to_pandas() そして from_pandas() それがそうです。

例を引く

デモを行うために最小の表を作成することができます

>>> from astropy.table import Table
>>> t = Table()
>>> t['a'] = [1, 2, 3, 4]
>>> t['b'] = ['a', 'b', 'c', 'd']

そしてそれを pandas DataFrame **

>>> df = t.to_pandas()
>>> df
   a  b
0  1  a
1  2  b
2  3  c
3  4  d
>>> type(df)
<class 'pandas.core.frame.DataFrame'>

まだできるのは DataFrame **

>>> t2 = Table.from_pandas(df)
>>> t2
<Table length=4>
  a      b
int64 string8
----- -------
    1       a
    2       b
    3       c
    4       d

往復変換する. pandas 以下の注意事項を守らなければならない：

• ♪the pandas DataFrame 構造は多次元列をサポートしていないので Table 多次元列を持つオブジェクトを変換することはできない DataFrame それがそうです。

• マスクテーブルを変換することができますが DataFrame 用途 numpy.nan すべての数値列(整数型または浮動小数点型)を変換するために、マスク値を示す。 numpy.float 中の柱 DataFrame また，欠損値を持つ文字列は対象列に変換される numpy.nan 値は欠落した値を示す.したがって，数字列については，変換すれば astropy 表は両者の違いが numpy.nan また、シールド値が失われ、異なる整数列(例えば)が浮動小数点数に変換される。

• Mixin列を含む表は現在変換できないが，これは将来的に実現される可能性がある.