与pandas不同，NumPy数组不为行索引提供标签。
要保留初始df切片的索引，您可以执行以下操作之一：
arr = df[3:8].reset_index().values个

array([[ 3, 11],
       [ 4,  2],
       [ 5,  8],
       [ 6,  6],
       [ 7,  7]])

字符串
从而第1和第2列将分别表示初始 * 索引/值 *，
或者通过DataFrame.to_records将切片转换为numpy记录数组（DataFrame标签作为字段）：

arr = np.array(df[3:8].to_records().data)

array([(3, 11), (4,  2), (5,  8), (6,  6), (7,  7)],
      dtype=[('index', '<i8'), ('Value', '<i8')])

的数据
您可以通过字段名称访问，例如：

arr['index']
array([3, 4, 5, 6, 7])

型

更新：

从数学上讲，我们可以找到给定搜索索引的段序号和内部索引，甚至不需要实际拆分输入数组。
我将提供单独的定义，用于在N段上拆分数组，以及查找 * 段序号和给定搜索索引的内部索引 *：

# input array of 12 values
arr = pd.DataFrame({"value": [10, 9, 5, 11, 2, 8, 6, 7, 4, 2, 1, 9]}).values

def split_array(arr, seg_N):
    seg_size = arr.size // seg_N
    return np.split(arr, np.arange(1, seg_N) * seg_size)

def find_seg_by_idx(arr_size, seg_N, search_idx):
    """Find segment ordinal number and the inner position
       for a given search index
    """
    if search_idx >= arr_size:
        raise IndexError(f'{search_idx} is out of bounds')

    seg_size = arr_size // seg_N
    # segment ordinal number
    seg_num = min(search_idx // seg_size + 1, seg_N)
    # shift to the start of the segment to find the inner index
    inner_idx = search_idx - (seg_num * seg_size - seg_size)
    return seg_num, inner_idx

型
使用方法：

print(split_array(arr, 5))  # split 12-values arr on 5 segments/parts

[array([[10],
       [ 9]]), array([[ 5],
       [11]]), array([[2],
       [8]]), array([[6],
       [7]]), array([[4],
       [2],
       [1],
       [9]])]

print(find_seg_by_idx(10, seg_N=3, search_idx=7))

(3, 1)

print(find_seg_by_idx(12, seg_N=5, search_idx=11))

(5, 3)

提供更多的信息，如为什么你想这样做，将是有帮助的
FPandas会自动添加索引，但是当你使用to_numpy()时，它会变成一个没有任何索引的数组，因为数组本身是一种索引。

[[Array1],
[Array2] 
..
[ArrayN]]
Etc

字符串
如果你想有一个索引链接到数据点，你可以使用.to_dict（查看文档）

orient(str) {‘dict’, ‘list’, ‘series’, ‘split’, ‘tight’, ‘records’, ‘index’}

型
这将使索引和数据

{'3': ABC , '4': CDE,...,}

型
欢呼

一个numpy数组是位置索引的：一个像你这样的一维numpy数组总是从0到len(arr)-1索引的。所以没有办法完全按照你想要的那样。
但是，如果你只需要使用这些索引来访问适当的值，你可以通过使用函数或字典将pandas索引转换为numpy索引来破解它：

>>> def idx_translate(df_idx):
...     return list(df[3:8].index).index(df_idx)
>>> idx_translate(3)
0
>>> df_mod[idx_translate(3)]
11

个字符
请注意，任何切片都需要自己的函数/字典。如果你需要更多的功能，你可以写一个类：

class IndexTranslator():
    def __init__(self, df):
        self.df = df
        self.idx_dict = {df_idx: idx
                         for idx, df_idx
                         in enumerate(df.index)}
    def idx(self, df_idx):
        return self.idx_dict[df_idx]

型
通过这种方式，您可以在任何时候创建一个新的切片时示例化类的一个新对象。