Python：如何快速 vstack 数据框中列的所有数组？答案

【问题标题】：Python: How to vstack all the arrays of a column in a dataframe quickly?Python：如何快速 vstack 数据框中列的所有数组？
【发布时间】：2019-01-28 20:31:41
【问题描述】：

如何快速将一列的所有数组vstack成一个大数组？

例如：

Dataframe['Binary_feature'][0] = array([[1,0,0,0,1]]) Dataframe['Binary_feature'][1] = array([[0,1,0,1,0]]) ...... Dataframe['Binary_feature'][i] = array([[0,1,0,1,0]])

如何将“Binary_feature”列中的所有数组堆叠成一个数组，例如：

array([[1,0,0,0,1], [0,1,0,1,0], ... [0,1,0,1,0]])

【问题讨论】：

标签： python arrays pandas numpy series

【解决方案1】：

你可以squeeze一个数组来移除大小为1的维度：

s = pd.Series([np.array([[1,0,0,0,1]]),
               np.array([[0,1,0,1,0]]),
               np.array([[0,1,0,1,0]])])

res = np.array(s.values.tolist()).squeeze()

array([[1, 0, 0, 0, 1],
       [0, 1, 0, 1, 0],
       [0, 1, 0, 1, 0]])

您会发现这比在您的系列中使用 np.vstack 更有效：

s = pd.concat([s]*10000)

assert (np.array(s.values.tolist()).squeeze() == np.vstack(s)).all()

%timeit np.array(s.values.tolist()).squeeze()  # 25.2 ms per loop
%timeit np.vstack(s)                           # 71.9 ms per loop
%timeit np.vstack(s.values)                    # 66.8 ms per loop

【讨论】：

在此之前切勿使用挤压 :-) 不错
好的。非常感谢。我会尝试所有的。 :)

【解决方案2】：

数据来自 jpp，vstack

np.vstack(s.values)
Out[216]: 
array([[1, 0, 0, 0, 1],
       [0, 1, 0, 1, 0],
       [0, 1, 0, 1, 0]])

【讨论】：

完美！这很有效，而且很快。我只是想用 for 循环来解决这个问题，但我认为这会导致太多的成本。非常感谢。
@Yvonne.Tian yw:-) 快乐编码

【解决方案3】：

我觉得你可以用np.concatenate

np.concatenate([df['Binary_feature']])

统一更新： 在这种情况下应该是np.concatenate(df['Binary_feature'])

【讨论】：

@jpp，他不想要这个吗？在他的例子中： array([[1,0,0,0,1], [0,1,0,1,0], ... [0,1,0,1,0]]) 是数组数组。
不，不是。它是一个 单个数组，形状为 (n, 5)，其中 n 是行数。