python - Python 3.4 中的 Numpy 2D 数组

Question

我有这个代码:

import pandas as pd
data = pd.read_csv("test.csv", sep=",")

数据数组看起来像这样:

问题是我无法按列拆分它，如下所示:

week     = data[:,1]

它应该将第二列分成一周，但它没有这样做:

*类型错误:不可散列的类型:“切片” *

我应该如何做才能使其正常工作？

我还想知道，这段代码到底是做什么的？ (不太了解np.newaxis部分)

week     = data['1'][:, np.newaxis]

结果:

Answer 1

这里有一些问题。

首先，read_csv 默认使用逗号作为分隔符，因此您无需指定。

其次，pandas csv 阅读器默认使用第一行来获取列标题。这似乎不是您想要的，因此您需要使用 header=None 参数。

第三，看起来你的第一列是行号。您可以使用 index_col=0 将该列用作索引。

第四，对于pandas来说，第一个索引是列，而不是行。此外，使用标准 data[ind] 表示法是按列名称而不是列号进行索引。并且您不能使用逗号同时对行和列进行索引(您需要使用 data.loc[row, col] 来执行此操作)。

因此，对于您的情况，获取第二列所需要做的就是data[2]，或者如果您使用第一列作为行号，那么第二列将成为第一列，所以你会执行data[1]。这将返回一个 pandas Series，它是 2D DataFrame 的 1D 等效项。

所以整个事情应该是这样的:

import pandas as pd
data = pd.read_csv('test.csv', header=None, index_col=0)
week = data[1]

数据看起来像这样:

    1   2     3   4
0                    
1    10   2   100  12
2    15   5   150  15
3    25   7   240  20
4    22  12   350  20
5    51  13   552  20
6   134  20   880  36
7   150  22   900  38
8   200  29  1020  44
9   212  31  1100  46
10  199  23  1089  45
11  220  32  1145  60

“0”行不存在，它只是用于提供信息。

周看起来像这样:

0
1      10
2      15
3      25
4      22
5      51
6     134
7     150
8     200
9     212
10    199
11    220
Name: 1, dtype: int64

但是，您可以在 pandas 中为列(和行)指定有意义的名称，然后通过这些名称访问它们。我不知道列名，所以我只是编了一些:

import pandas as pd
data = pd.read_csv('test.csv', header=None, index_col=0, names=['week', 'spam', 'eggs', 'grail'])
week = data['week']

在这种情况下，数据如下所示:

    week  spam  eggs  grail
1     10     2   100     12
2     15     5   150     15
3     25     7   240     20
4     33    12   350     20
5     51    13   552     20
6    134    20   880     36
7    150    22   900     38
8    200    29  1020     44
9    212    31  1100     46
10   199    23  1089     45
11   220    32  1145     50

week 看起来像这样:

1      10
2      15
3      25
4      33
5      51
6     134
7     150
8     200
9     212
10    199
11    220
Name: week, dtype: int64

对于np.newaxis，它的作用是向数组添加一维。假设您有一个 1D 数组(向量)，在其上使用 np.newaxis 会将其转换为 2D 数组。它将把 2D 数组转换为 3D 数组，将 3D 转换为 4D 等等。根据您放置它的位置(例如 [:,np.newaxis] 与 [np.newaxis,:]，您可以确定要添加哪个维度。因此 np.arange(10)[np.newaxis,:] (或只是 np.arange(10)[np.newaxis])给你一个形状 (1 ,10) 2D 数组，而 np.arange(10)[:,np.newaxis] 为您提供形状 (10,1) 2D 数组。

在您的情况下，该行正在执行的操作是获取名为 1 的列，它是一个 1D pandas Series，然后为其添加新的维度。但是，它不是将其转换回 DataFrame，而是将其转换为 1D numpy 数组，然后添加一个维度使其成为 2D > numpy 数组。

然而，从长远来看，这是危险的。无法保证这种静默转换不会在某个时刻发生改变。要将 pandas 对象更改为 numpy 对象，您应该使用 values 方法进行显式转换，因此在您的情况下 data.values 或 data['1 '].values.

但是，您实际上并不需要 numpy 数组。 系列就可以了。如果您确实想要一个2D对象，您可以使用data['1']之类的东西将Series转换为DataFrame .to_frame().