我需要将存储在中的数据pandas.DataFrame转换为字节字符串，其中每列可以具有单独的数据类型（整数或浮点数）。这是一组简单的数据：

df = pd.DataFrame([ 10, 15, 20], dtype='u1', columns=['a'])
df['b'] = np.array([np.iinfo('u8').max, 230498234019, 32094812309], dtype='u8')
df['c'] = np.array([1.324e10, 3.14159, 234.1341], dtype='f8')

df看起来像这样：

    a            b                  c
0   10  18446744073709551615    1.324000e+10
1   15  230498234019            3.141590e+00
2   20  32094812309             2.341341e+02

在DataFrame对各类型列的都知道df.dtypes，所以我想这样做：

data_to_pack = [tuple(record) for _, record in df.iterrows()]
data_array = np.array(data_to_pack, dtype=zip(df.columns, df.dtypes))
data_bytes = data_array.tostring()

这通常可以正常工作，但是在这种情况下（由于存储在中的最大值），df['b'][0]上述第二行将元组数组转换为np.array具有给定类型集的元组会导致以下错误：

OverflowError: Python int too large to convert to C long

错误结果（我相信）在第一行中，该错误将记录提取为Series单一数据类型（默认为float64），并且float64为最大值选择的表示形式uint64无法直接转换回uint64。

1）既然DataFrame已经知道每一列的类型，有没有一种方法来创建一个元组行以输入到类型化numpy.array构造函数中？还是有比上面概述的方法更好的方法来保存此类转换中的类型信息？

2）有没有一种方法可以DataFrame使用每一列的类型信息直接跳转到表示数据的字节字符串。