Skip to main content
 首页 » 编程设计

python之转换数据文件 'X' 'Y' 'Z' 'data' 格式

2024年11月01日9telwanggs

我有 3 个数据集, 第一个名为 Data 的保存我的数据;该表有 5 列和 3 行 - 每列代表一个特定的位置,可以用一组 X、Y 位置来标识,每行代表一个特定的深度 (Z); 第二个数据集包含 5 个 X、Y 位置(第一个数据集的列),而第三个文件包含 3 个 Z 值,(数据表的行)

生成我的数据

import numpy as np  
Data = np.arange(1, 16).reshape(3, 5) #holds the 'data' I am interested in 
X = [0, 0, 1, 1, 2] #create 'X', 'Y' values 
Y = [0, 1, 0, 1, 0] 
XY = np.array((X, Y)).reshape(5, 2) # this is the format I have the 'X' and 'Y' values 
Z = [-1, -5, -10]  
z = np.array(Z)  

我现在想合并所有并拥有一个新的 X、Y、Z、数据格式的 numpy 数组(或 pandas 数据框) 例如,对于给定表的前 3 行的数据应该是:

X Y  Z Data #this is a header, I just add it to make reading easier 
0 0  -1   1 
0 0  -5   6 
0 0 -10  11 
0 1  -1   2 
0 1  -5   7 
0 1 -10  12 

等....

任何关于如何做到这一点的提示都会很棒 我正在考虑使用 pandas 创建适当的(多)索引列,但我找不到合适的方法

请您参考如下方法:

从 X 和 Y 构建一个 MultiIndex,并使用 unstack。

In [4]: columns = pd.MultiIndex.from_arrays([X, Y]) 
 
In [5]: df = DataFrame(Data, columns=columns, index=Z) 
 
In [6]: df 
Out[6]:  
      0       1       2 
      0   1   0   1   0 
-1    1   2   3   4   5 
-5    6   7   8   9  10 
-10  11  12  13  14  15 
 
In [7]: df1 = df.unstack().reset_index() 
 
In [8]: df1.columns = ['X', 'Y', 'Z', 'Data'] 
 
In [9]: df1 
Out[9]:  
    X  Y   Z  Data 
0   0  0  -1     1 
1   0  0  -5     6 
2   0  0 -10    11 
3   0  1  -1     2 
4   0  1  -5     7 
5   0  1 -10    12 
6   1  0  -1     3 
7   1  0  -5     8 
8   1  0 -10    13 
9   1  1  -1     4 
10  1  1  -5     9 
11  1  1 -10    14 
12  2  0  -1     5 
13  2  0  -5    10 
14  2  0 -10    15 

我选择制作 X、Y 和 Z 适当的列 (reset_index()),而不是将它们保留为三级 MultiIndex。通常,这更清洁且更有用。