列表到数组转换的列表。混合字符串和浮点数

Question

我有一个数组 (150,40)，看起来像：

list_of_lists= ['name_1' 0.0123
        'name_2' 0.1234
   ... 'name_40' 0.213241
Name: 2015-03-26 16:02:42.117000, dtype: float64,

and so on, 149 more ]

我有两个问题：

所有 150 个列表的 40 个名称都相同，我如何将它们转换为数组的列，以及值（在所有 150 个列表中不同）到与每个列名称对应的行？ 示例：

array= [ 'name_1', 'name_2',... 'name_40
          0.0123,    0.1234,     0.213241]

其次，Name: 2015-03-26 16:02:42.117000 实际上是一个时间戳，我需要它是 0 列，有 150 行 喜欢：

array= [ 'timestamp'     'name_1', 'name_2',... 'name_40
        16:02:42.117000   0.0123,    0.1234,     0.213241]

我不知道为什么时间戳首先是列表的名称 而且我不知道如何将其转换为数组以进行进一步处理

Answer 1

关于第一个问题，你可以这样做的一种方法，严格只使用 numpy 将创建一个新的 numpy 结构化数组并为每个循环创建一组两个 (for x in list)，顶部level 循环遍历数组，然后嵌套循环遍历每个数组元素，将其附加到新的结构化数组。话虽如此，这种方法会导致代码可读性差且过于复杂。

更好的选择是使用pandas DataFrame。您应该能够像 pandas.DataFrame(mylist) 一样简单地将所有 numpy 结构化数组直接转换为 pandas，或者如果您从外部文件中读取数据，则可以直接将数据读入数据帧。

以下方法从您的结构化数组开始（但如果使用 csv 文件或其他文件格式的其他函数，您可以将 pd.DataFrame 交换为 pd.read_csv(...) 之类的东西。

import pandas as pd

# need a list of those arrays to allow easy looping
listofArrays = [array1, array2, ...] 

# now using list comprehension, converting all those to dataframes
listofDataFrames = [pd.DataFrame(arrayX) for arrayX in listofArrays]

# now we can just use pd.Concat to put all those together
completeSet = pd.concat(listofDataFrames)

这样你就有了一个数据框，把所有东西都放在一起了。如果您严格需要它，可以将其转换回纯粹的numpy 数据结构。

---

关于第二个问题，这可以使用正则表达式来解决，或者因为它是一个相当简单的字符串，使用split 和join。

不清楚您的输入数据格式是什么，但如果我没看错的话，它还没有在数组中。所以我认为输入看起来像

name: date1 timestamp       data: 213123 12313
name2: date2 timestamp2     data: 21311223 313

即使不同，也适用相同的原则。

由于这相对简单，split 和 join 将是最简单的方法

originalnamestring = "Name: 2015-03-26 16:02:42.117000"

splitbyspace = originalnamestring.split(" ")

name = splitbyspace[0]

# and if you want to remove the : at end
name = name[:-1]

# if you want separate date and time

date = splitbyspace[1]
time = splitbyspace[2]

# or combined timestamp

timestamp = " ".join(splitbyspace[1:])