python-2.7 - 3 维 numpy 数组到多索引 Pandas 数据框

Question

我有一个 3 维 numpy数组，(z, x, y) . z是时间维度和 x和 y是坐标。

我想将其转换为多索引 pandas.DataFrame .我希望行索引是 z 维度
并且每列都具有来自唯一 x、y 坐标的值(因此，每列都将是多索引的)。

最简单的情况(不是多索引):

>>> array.shape
(500L, 120L, 100L)

>>> df = pd.DataFrame(array[:,0,0])

>>> df.shape
(500, 1)

我一直在尝试使用 pd.MultiIndex.from_arrays 将整个数组传递到多索引数据帧中，但出现错误:
NotImplementedError: > 1 ndim Categorical 目前不支持

看起来它应该相当简单，但我无法弄清楚。

Answer 1

我发现一个 Series with a Multiindex是具有任意多维(大概是 3 个或更多)的 numpy 数组的最类似的 Pandas 数据类型。
这是一些示例代码:

import pandas as pd
import numpy as np

time_vals = np.linspace(1, 50, 50)
x_vals = np.linspace(-5, 6, 12)
y_vals = np.linspace(-4, 5, 10)

measurements = np.random.rand(50,12,10)

#setup multiindex
mi = pd.MultiIndex.from_product([time_vals, x_vals, y_vals], names=['time', 'x', 'y'])

#connect multiindex to data and save as multiindexed Series
sr_multi = pd.Series(index=mi, data=measurements.flatten())

#pull out a dataframe of x, y at time=22
sr_multi.xs(22, level='time').unstack(level=0)

#pull out a dataframe of y, time at x=3
sr_multi.xs(3, level='x').unstack(level=1)