将 Pandas 系列的二维 numpy 数组转换为一维 numpy 数组列的 Pandas DataFrame答案

【问题标题】：Convert Pandas Series of 2D numpy arrays to Pandas DataFrame of columns of 1D numpy arrays将 Pandas 系列的二维 numpy 数组转换为一维 numpy 数组列的 Pandas DataFrame
【发布时间】：2019-05-05 07:18:43
【问题描述】：

第一次发布到 stackoverflow。我已经搜索了一个找不到答案。

我有一个 Pandas 系列的 2D numpy 数组：

import numpy as np
import pandas as pd

x1 = np.array([[0,1],[2,3],[3,4]],dtype=np.uint8)
x2 = np.array([[5,6],[7,8],[9,10]],dtype=np.uint8)

S = pd.Series(data=[x1,x2],index=['a','b'])

输出 S 应如下所示：

a    [[0, 1], [2, 3], [3, 4]]
b    [[5, 6], [7, 8], [9, 10]]

我希望将其转换为 Pandas DataFrame D，其中 S 中 2D numpy 数组的每一列都成为 D 列中的 1D numpy 数组：

D 应该是这样的：

     0        1
a    [0,2,3]  [1,3,4]
b    [5,7,9]  [6,8,10]

注意，我的实际数据集是 1238500 个大小为 (32,8) 的数组，所以我试图避免遍历行。

什么是有效的方法？

【问题讨论】：

标签： python arrays pandas numpy dataframe

【解决方案1】：

np.stack 和 map 的一个解决方案

df =  pd.DataFrame(np.stack(map(np.transpose, S)).tolist(), index=S.index)

print (df)

           0           1
a  [0, 2, 3]   [1, 3, 4]
b  [5, 7, 9]  [6, 8, 10]

【讨论】：

这是一个不错的方法。作为一个迂腐点，每个单元格都包含一个列表而不是一个 numpy 数组。你可能想.applymap(np.array)。
您能详细说明一下吗？ .applymap 在最终的 DF 上？
如果你想用 numpy 数组代替列表，那么你可以使用df = df.applymap(np.array)

【解决方案2】：

您无需将最后一个维度转换为 python 列表即可拆分和挤压。

df = S.apply(np.split, args=[2, 1]).apply(pd.Series).applymap(np.squeeze)

           # 0           1
# a  [0, 2, 3]   [1, 3, 4]
# b  [5, 7, 9]  [6, 8, 10]

在args=[2, 1] 中，2 代表列数，1 代表要切片的轴。

类型：

In [280]: df.applymap(type)
Out[280]: 
                         0                        1
a  <class 'numpy.ndarray'>  <class 'numpy.ndarray'>
b  <class 'numpy.ndarray'>  <class 'numpy.ndarray'>

【讨论】：

【解决方案3】：

我会这样做：

# flatten the list
S = S.apply(lambda x: [i for s in x for i in s])

# pick alternate values and create a data frame
S = S.apply(lambda x: [x[::2], x[1::2]]).reset_index()[0].apply(pd.Series)

# name index
S.index = ['a','b']

     0          1
a   [0, 2, 3]   [1, 3, 4]
b   [5, 7, 9]   [6, 8, 10]

【讨论】：