pd select to np 資料分類轉存

 如何依照 Pandas 欄位條件，將符合條件的資料轉換成 NumPy 陣列，並用範例清楚展示。

---

✅ 範例資料：建立一個 DataFrame

python
import pandas as pd

# 建立測試 DataFrame
data = {
    'b0': [0.1, 0.5, 0.9, 1.2],
    'b1': [2.1, 2.5, 2.9, 3.2],
    'type': [0, 1, 0, 1]
}

df = pd.DataFrame(data)
print(df)

輸出：

bash
     b0   b1  type
0  0.1  2.1     0
1  0.5  2.5     1
2  0.9  2.9     0
3  1.2  3.2     1

---

🎯 目標：取出 type == 0 的資料，轉為 NumPy 陣列

🔸 方法一：條件篩選後使用 .to_numpy()

python
# 篩選 type == 0 的列，只取 b0 與 b1 欄
selected = df[df['type'] == 0][['b0', 'b1']].to_numpy()
print(selected)

🔹 輸出結果（NumPy 陣列）：

lua
[[0.1 2.1]
 [0.9 2.9]]

---

🔸 方法二：使用 values 也可以（舊寫法）

python
selected = df[df['type'] == 0][['b0', 'b1']].values

⚠️ 注意：values 是舊方法，官方建議使用 .to_numpy()，可保留型別資訊與兼容性。

---

✅ 常見延伸應用：

✅ 只取 b0 > 0.5 的所有欄位並轉為 NumPy：

python
arr = df[df['b0'] > 0.5].to_numpy()

✅ 取出 type == 1，並只要 b1 欄（轉為 1D 陣列）：

python
b1_arr = df[df['type'] == 1]['b1'].to_numpy()

輸出：

scss
array([2.5, 3.2])

---

如你資料是 IMU、Sensor log、或 AI 特徵資料，要餵給 NumPy-based 模型或 Hailo SDK，就很常這樣操作。