我有一个数据框如下
df = pd.DataFrame({'a':[1,1,1,2,2,2],
'b': [10, 20, 30, 20, 40, 60],
'c': [80, 80, 80, 120, 120, 120]})
我想获取3D数组
array([[[ 1, 10, 80],
[ 2, 20, 120] ],
[[ 1, 20, 80] ,
[ 2, 40, 120] ],
[[ 1, 30, 80],
[ 2, 60, 120]]], dtype=int64)
我喜欢这个
values = df.values
values.reshape(3, 2, 3)
并得到一个不正确的数组。如何得到预期的数组?
最佳答案
获取数组数据,然后将第一个轴拆分为两个,其中第一个轴的长度为 2
,从而为我们提供一个 3D
数组,然后交换这两个轴-
df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
sample 运行-
In [711]: df
Out[711]:
a b c
0 1 10 80
1 1 20 80
2 1 30 80
3 2 20 120
4 2 40 120
5 2 60 120
In [713]: df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
Out[713]:
array([[[ 1, 10, 80],
[ 2, 20, 120]],
[[ 1, 20, 80],
[ 2, 40, 120]],
[[ 1, 30, 80],
[ 2, 60, 120]]])
这使我们无需复制即可查看原始数据,因此具有最短的常数时间。
运行时测试
案例#1:
In [730]: df = pd.DataFrame(np.random.randint(0,9,(2000,100)))
# @cᴏʟᴅsᴘᴇᴇᴅ's soln
In [731]: %timeit np.stack(np.split(df.values, 2), axis=1)
10000 loops, best of 3: 109 µs per loop
In [732]: %timeit df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
100000 loops, best of 3: 8.55 µs per loop
案例#2:
In [733]: df = pd.DataFrame(np.random.randint(0,9,(2000,2000)))
# @cᴏʟᴅsᴘᴇᴇᴅ's soln
In [734]: %timeit np.stack(np.split(df.values, 2), axis=1)
100 loops, best of 3: 4.3 ms per loop
In [735]: %timeit df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
100000 loops, best of 3: 8.37 µs per loop
关于python - reshape 和堆叠 2D 阵列以形成 3D 阵列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46512892/