Skip to main content
 首页 » 编程设计

python之将 Pandas 系列和数据框对象转换为 numpy 数组

2024年11月01日9grandyang

Numpy 数组序列:

我有一个如下所示的 pandas 系列对象:

s1 = pd.Series([0,1,2,3,4,5,6,7,8], index=['AB', 'AC','AD', 'BA','BB','BC','CA','CB','CC']) 

我想将这个系列转换为 numpy 数组,如下所示:

series_size = s1.size 
dimension_len = np.sqrt(series_size)  
**Note: series_size will always have an integer sqrt 

dimension_len 将确定所需二维数组中每个维度的大小。

在上面的系列对象中,dimension_len = 3 因此所需的 numpy 数组将是一个 3 x 3 数组,如下所示:

np.array([[0, 1, 2],  
[3, 4, 5], 
[6,7, 8]]) 

数据框到 Numpy 数组:

我有一个如下所示的 pandas 数据框对象:

s1 = pd.Series([0,1,2,3,4,5,6,7,8], index=['AA', 'AB','AC', 'BA','BB','BC','CA','CB','CC']) 
s2 = pd.Series([-2,2], index=['AB','BA']) 
s3 = pd.Series([4,3,-3,-4], index=['AC','BC', 'CB','CA']) 
 
df = pd.concat([s1, s2, s3], axis=1) 
 
max_size = max(s1.size, s2.size, s3.size) 
 
dimension_len = np.sqrt(max_size) 
num_columns = len(df.columns) 
**Note: max_size will always have an integer sqrt 

生成的 numpy 数组将由以下信息决定:

num_columns = 确定数组的维数 dimension_len = 决定每个维度的大小

在上面的示例中,所需的 numpy 数组将为 3 x 3 x 3(num_columns = 3 和 dimension_len = 3)

df 的第一列将变为 DESIRED_ARRAY[0],df 的第二列将变为 DESIRED_ARRAY[1],df 的第三列将变为 DESIRED_ARRAY[2],依此类推...

我想要的所需数组如下所示:

np.array([[[0, 1, 2],  
[3, 4, 5], 
[6, 7, 8]], 
 
[[np.nan,-2, np.nan], 
[2, np.nan, np.nan], 
[np.nan, np.nan, np.nan]], 
 
[[np.nan,np.nan, 4], 
[np.nan, np.nan, 3], 
[-4, -3, np.nan]], 
]) 

请您参考如下方法:

IIUC,你可以试试 numpy transpose 和 reshape

df.values.T.reshape(-1,  int(dimension_len), int(dimension_len)) 
 
Out[30]: 
array([[[ 0.,  1.,  2.], 
        [ 3.,  4.,  5.], 
        [ 6.,  7.,  8.]], 
 
       [[nan, -2., nan], 
        [ 2., nan, nan], 
        [nan, nan, nan]], 
 
       [[nan, nan,  4.], 
        [nan, nan,  3.], 
        [-4., -3., nan]]])