从“for循环”生成的numpy数组中动态地将数据存储在pandas数据帧的列中

Question

in[31]: day_1_variable.shape

out[31]: (241, 241)

这是 10 个 241 * 241（行 * 列）的 numpy 数组的字典

df_dictionary = {'arrays_to_iterate': {'day_1': day_1_variable,
                                   'day_2': day_2_variable, 
                                   'day_3': day_3_variable,
                                   .
                                   .
                                   .
                                   .
                                   .
                                   .

                                   'day_10': day_10_variable}}

day = 10
for days in np.arange(1,day+1):
    numpy_array_to_iterate = df_dictionary ['arrays_to_iterate']['day_'+str(days)+'_rf']
       
    variable_value_array=np.zeros((0),dtype='float')          ## empty array of variable value created
    for i in np.arange(numpy_array_to_iterate.shape[0]):      ## iterating array rows 
        for j in np.arange(numpy_array_to_iterate.shape[1]):  ## iterating array column  
            variable_value_at_specific_point=numpy_array_to_iterate[i][j]

            variable_value_array=np.append(variable_value_array,variable_value_at_specific_point) ## values filled in array


    df_xyz = pd.DataFrame()
    for i in np.arange(1,day+1):
        col_name = 'variable_day_' + str(i)
        df_xyz.loc[:, col_name] = variable_value_array
df_xyz

我想将每天的数组数据存储在 pandas 数据框的列中，该列具有每个对应天的变量值

但是我在这里得到的输出在每一列中都有最后一天的值

          variable_day_1    variable_day_2  ........... variable_day_10
0         0.0625            0.0625          ........... 0.0625  
1         0.0625            0.0625          ........... 0.0625  
2         0.0625            0.0625          ........... 0.0625  
3         0.0625            0.0625          ........... 0.0625  
4         0.0625            0.0625          ........... 0.0625  
... ... ... ... ... ... ... ... ... ... ...

58076     0.0000            0.0000          ........... 0.0000  
58077     0.0000            0.0000          ........... 0.0000  
58078     0.0000            0.0000          ........... 0.0000  
58079     0.0000            0.0000          ........... 0.0000  
58080     0.0000            0.0000          ........... 0.0000  
58081 rows × 10 columns

怎么做？

Answer 1

在字典值上使用 Numpy stack（这将为您提供一个形状为 (10, 241, 241) 的 Numpy 数组），然后使用 reshape 将形状修改为 (10,58081)，然后转置，将日期放置为列。接下来，转换为 Pandas 数据框并使用字典键修复列名。

import pandas as pd
import numpy as np

#setup
np.random.seed(12345)
df_dictionary = {}
days = {f'day_{d}': np.random.rand(241,241).round(2) for d in range(1,11)}
df_dictionary['arrays_to_iterate'] = days
print(df_dictionary)

#code
all_days = np.stack(list(df_dictionary['arrays_to_iterate'].values())).reshape(10, -1).T
df = pd.DataFrame(all_days)
df.columns = df_dictionary['arrays_to_iterate'].keys()

print(df)

来自 df_dictionary

的输出

{'arrays_to_iterate':
    {'day_1':
        array(
        [[0.93, 0.32, 0.18, ..., 0.62, 0.89, 0.78],
        [0.72, 0.31, 0.36, ..., 0.5 , 0.89, 0.38],
        ...,
        [0.36, 0.62, 0.77, ..., 0.03, 0.57, 0.04],
        [0.02, 0.07, 0.66, ..., 0.62, 0.5 , 0.04]]),
    'day_2': array(
        [[0.14, 0.13, 0.91, ..., 0.06, 0.72, 0.93],
        [0.13, 0.02, 0.09, ..., 0.39, 0.72, 0.13],
    ...

df的输出

       day_1  day_2  day_3  day_4  day_5  day_6  day_7  day_8  day_9  day_10
0       0.93   0.14   0.06   0.10   0.01   0.66   0.67   0.18   0.93    0.40
1       0.32   0.13   0.81   0.57   0.23   0.60   0.48   0.07   0.08    0.32
2       0.18   0.91   0.95   0.27   0.36   0.11   0.25   0.71   0.24    0.44
3       0.20   0.51   0.52   0.62   0.09   0.31   0.19   0.78   0.83    0.58
4       0.57   0.14   0.89   0.51   0.67   0.29   0.48   0.95   0.36    0.97
...      ...    ...    ...    ...    ...    ...    ...    ...    ...     ...
58076   0.98   0.20   0.54   0.96   0.89   0.24   0.05   0.81   0.35    0.57
58077   0.53   0.96   0.04   0.60   0.16   0.38   0.83   0.49   0.28    0.02
58078   0.62   0.50   0.74   0.67   0.43   0.30   0.91   0.68   0.15    0.43
58079   0.50   0.11   0.57   0.42   0.85   0.97   0.86   0.60   0.75    0.33
58080   0.04   0.74   0.74   0.94   0.98   0.35   0.52   0.12   0.47    0.53

[58081 rows x 10 columns]