python - 一系列列表到多维 np 数组

Question

我有一个 pandas 数据框 df。 一列是一串数字(作为字符)除以空格

我需要将其转换为多维 numpy 数组。

我认为:

df.A.apply(lambda x: np.array(x.split(" "))).values

会成功的

实际上它返回一个数组的数组......

array([array(['70', '80', '82', ..., '106', '109', '82'], dtype='<U3'),
   array(['151', '150', '147', ..., '193', '183', '184'], dtype='<U3'),

这似乎不是我所寻找的，而应该看起来像

array([[[['70', '80', '82', ..., '106', '109', '82'],['151', '150', '147', ..., '193', '183', '184']....

第一:我应该怎么做才能让我的日子变成第二种格式？ 第二:我实际上对这两种数据结构之间的区别有点困惑。归根结底，多维数组是数组的数组。从这个角度来看，两者似乎是相同的结构。但我确信我错过了一些东西

示例:

df=pd.DataFrame({"A":[0,1,2,3],"B":["1 2 3 4","5 6 7 8","9 10 11 12","13 14 15 16"]})

    A   B
0   0   "1 2 3 4"
1   1   "5 6 7 8"
2   2   "9 10 11 12"
3   3   "13 14 15 16"

这个命令

df.B.apply(lambda x: np.array(x.split(" "))).values

给出:

array([array(['1', '2', '3', '4'], dtype='<U1'),
   array(['5', '6', '7', '8'], dtype='<U1'),
   array(['9', '10', '11', '12'], dtype='<U2'),
   array(['13', '14', '15', '16'], dtype='<U2')], dtype=object)

而不是

 array([['1', '2', '3', '4'],
   ['5', '6', '7', '8'],
   ['9', '10', '11', '12'],
   ['13', '14', '15', '16']], dtype='<U2')

问题1:如何获得最后一个结构？ 问题2:2者有什么区别？从技术上讲，两者都是数组的数组...

Answer 1

你可以使用str.split来做到这一点直接在 df.A 上，使用参数 expand=True，然后使用 values，例如:

df = pd.DataFrame({'A':['70 80 82','151 150 147']})
print (df.A.str.split(' ',expand=True).values)
array([['70', '80', '82'],
       ['151', '150', '147']], dtype=object)

使用您的方法，如果所有字符串包含相同数量的数字，您仍然可以使用 np.stack得到相同的结果:

print (np.stack(df.A.apply(lambda x: np.array(x.split(" "))).values))

编辑:对于差异，不确定我能否解释得足够好，但我会尝试。让我们定义一下

arr1 = df.A.str.split(' ',expand=True).values
arr2 = df.A.apply(lambda x: np.array(x.split(" "))).values

首先你会注意到形状不一样:

print(arr1.shape)
(2, 3)
print(arr2.shape)
(2,)

所以我想说，一个区别是 arr2 是一个一维元素数组，而它恰好也是一维数组。当您使用 values 构造 arr2 时，它会从系列 df.A.apply(lambda x: np.array(x.split(""))) 无需查看本系列中的类型。对于 arr1 ，区别在于 df.A.str.split(' ',expand=True) 不是一个系列而是一个数据帧，因此使用 values 将构造一个形状为(行数，nb 列) 的二维数组。在这两种情况下，您都使用 values，但实际上在系列的单元格中拥有一个数组(如在您的方法中创建的)不会创建二维数组。

然后，如果您想访问任何元素(例如第一行第二个元素)，您可以通过 arr1[0,1] while arr2[0,1] 会抛出错误，因为该结构不是二维数组，但 arr2[0][1] 给出了很好的答案，因为您访问了第二个元素 [1] arr2 中第一个一维数组 [0] 的 >。

我希望它能给出一些解释。