如何在 python 中将 3d 数组转换为数据框答案

【问题标题】：How to transform a 3d arrays into a dataframe in python如何在 python 中将 3d 数组转换为数据框
【发布时间】：2016-06-02 04:34:11
【问题描述】：

我有一个 3d 数组如下：

    ThreeD_Arrays = np.random.randint(0, 1000, (5, 4, 3))
    
    array([[[715, 226, 632],
            [305,  97, 534],
            [ 88, 592, 902],
            [172, 932, 263]],

           [[895, 837, 431],
            [649, 717,  39],
            [363, 121, 274],
            [334, 359, 816]],

           [[520, 692, 230],
            [452, 816, 887],
            [688, 509, 770],
            [290, 856, 584]],

           [[286, 358, 462],
            [831,  26, 332],
            [424, 178, 642],
            [955,  42, 938]], 

           [[ 44, 119, 757],
            [908, 937, 728],
            [809,  28, 442],
            [832, 220, 348]]])

现在我想把它变成这样的DataFrame：

添加一个Date 列（如所示）和列名称A、B、C。

如何进行这种转换？谢谢！

【问题讨论】：

标签： python dataframe

【解决方案1】：

您可以将 3D 数组转换为 Pandas 面板，然后将其展平为 2D DataFrame（使用 .to_frame()）：

import numpy as np
import pandas as pd
np.random.seed(2016)

arr = np.random.randint(0, 1000, (5, 4, 3))
pan = pd.Panel(arr)
df = pan.swapaxes(0, 2).to_frame()
df.index = df.index.droplevel('minor')
df.index.name = 'Date'
df.index = df.index+1
df.columns = list('ABC')

产量

        A    B    C
Date               
1     875  702  266
1     940  180  971
1     254  649  353
1     824  677  745
...
4     675  488  939
4     382  238  225
4     923  926  633
4     664  639  616
4     770  274  378

或者，您可以将数组重新整形为 (20, 3)，像往常一样形成 DataFrame，然后修复索引：

import numpy as np
import pandas as pd
np.random.seed(2016)

arr = np.random.randint(0, 1000, (5, 4, 3))
df = pd.DataFrame(arr.reshape(-1, 3), columns=list('ABC'))
df.index = np.repeat(np.arange(arr.shape[0]), arr.shape[1]) + 1
df.index.name = 'Date'
print(df)

产生相同的结果。

【讨论】：

非常感谢！乌努布！有用！但是我想将数据绘制在类似海生的图表中，并且需要比“ABC”更复杂的列名，说它应该是“Abc”、“Def”、“Ghi” 它是如何工作的？我喜欢的类似海生的disgram实现如下： df = pd.melt(df, id_vars=["date"], var_name="condition") ax = df.groupby(["condition", "date" ]).mean().unstack("condition").plot() x = np.arange(1990,1993) palette = sns.color_palette() 来源：stackoverflow.com/questions/22795348/…

【解决方案2】：

ThreeD_Arrays = np.random.randint(0, 1000, (5, 4, 3))
df = pd.DataFrame([list(l) for l in ThreeD_Arrays]).stack().apply(pd.Series).reset_index(1, drop=True)
df.index.name = 'Date'
df.columns = list('ABC')

【讨论】：

谢谢@Jarad！我的新问题是如何使您的代码生成的 df 适合以下代码： df = pd.melt(df, id_vars=["date"], var_name="condition") ax = df.groupby(["condition ", "date"]).mean().unstack("condition").plot() 以及如何用列名 "AAA"、"BBB"、"CCC" 替换 list('ABC')？

【解决方案3】：

根据this question 的答案，我们可以使用MultiIndex。首先，创建 MultiIndex 和一个扁平化的 DataFrame。

A = np.random.randint(0, 1000, (5, 4, 3))

names = ['x', 'y', 'z']
index = pd.MultiIndex.from_product([range(s)for s in A.shape], names=names)
df = pd.DataFrame({'A': A.flatten()}, index=index)['A']

现在我们可以随心所欲地重塑它：

df = df.unstack(level='x').swaplevel().sort_index()
df.columns = ['A', 'B', 'C']
df.index.names = ['DATE', 'i']

这是结果：

          A    B    C
DATE i           
0    0  715  226  632
     1  895  837  431
     2  520  692  230
     3  286  358  462
     4   44  119  757
1    0  305   97  534
     1  649  717   39
     2  452  816  887
     3  831   26  332
     4  908  937  728
2    0   88  592  902
     1  363  121  274
     2  688  509  770
     3  424  178  642
     4  809   28  442
3    0  172  932  263
     1  334  359  816
     2  290  856  584
     3  955   42  938
     4  832  220  348

【讨论】：

这个答案的第一部分是我认为将多维 Numpy 数组转换为 Pandas 数据帧的最佳方式。
熊猫面板已被贬值，所以这应该是现在接受的答案。
为什么需要pd.DataFrame({'A': A.flatten()}, index=index)['A'] 而不是简单的pd.DataFrame(A.flatten(), index=index)？