使用 Numpy 转换数据框会给出错误的值答案

【问题标题】：Transforming A Dataframe Using Numpy is Giving Wrong Values使用 Numpy 转换数据框会给出错误的值
【发布时间】：2021-01-25 11:31:02
【问题描述】：

我有一个如下所示的数据框：

    Values  Class
0   0.018342    2
1   -0.461340   2
2   -0.461340   2
3   1.787317    2
4   1.896320    2
5   0.987067    2
6   1.923396    2
7   1.923396    2
8   1.640110    2
9   1.952998    2
10  3.961000    2
11  1.954717    2
12  1.954717    2
13  1.436860    2
14  1.649298    2
15  0.824585    0
16  -2.304908   0
17  -2.304908   0
18  0.853281    0
19  0.785227    0
20  -7.345420   0
21  -8.031817   0
22  -8.031817   0
23  -8.413029   0
24  -8.664868   0
25  2.448812    0
26  2.612488    0
27  2.612488    0
28  4.334718    0
29  0.554953    0

我想重塑这个数据框，使其看起来像：

      var1          var2       var3       class 
0    0.018342    0.987067    3.961000      2
1   -0.461340    1.923396    1.954717      2
2   -0.461340    1.923396    1.954717      2
3    1.787317    1.640110    1.436860      2
4    1.896320    1.952998    1.649298      2
5    0.824585   -7.345420    2.448812      0
6   -2.304908   -8.031817    2.612488      0
7   -2.304908   -8.031817    2.612488      0    
8    0.853281   -8.413029    4.334718      0    
9    0.785227   -8.664868    0.554953      0

我的代码如下：

new_results = []
Len_Var = 3 #Number of variables
print(df['Values'].values)
print(int(len(df['Values'].values)))
print(int(len(df['Values'].values)/Len_Var))
var_results = pd.DataFrame(np.reshape(df['Values'].values,(int(len(df['Values'].values)/Len_Var),Len_Var), order="F"))
var_classes= pd.DataFrame(np.reshape(df['Class'].values,(int(len(df['Class'].values)/Len_Var),Len_Var)))
var_results['target'] = var_classes[0].astype(str).astype(float).astype(int)
var_results = var_results.reset_index(drop=True)
new_result = var_results.rename(columns={0: "var1", 1: "var2", 2: "var3"}, errors="raise")
new_results.append(new_result)
    
results = pd.concat(new_results)
results = results.reset_index()

但是，在检查结果后，第 5 到第 9 行似乎具有不同的值：

在重塑中一定有什么我错过了，但我想不通。

【问题讨论】：

标签： python-3.x pandas dataframe numpy reshape

【解决方案1】：

试试这个，看看它是否适合你：

array = df.to_numpy()

left, right = array[:, 0], array[:, -1]

data = pd.DataFrame(
    np.vstack(np.split(np.reshape(left, (-1, 6), order="F"), 2, 1)),
    columns=["var1", "var2", "var3"],
)

right = np.vstack(np.split(np.reshape(right, (-1, 6), order="F"), 2, 1))[:, 0]
data.assign(target=right)


       var1        var2     var3    target
0   0.018342    0.987067    3.961000    2.0
1   -0.461340   1.923396    1.954717    2.0
2   -0.461340   1.923396    1.954717    2.0
3   1.787317    1.640110    1.436860    2.0
4   1.896320    1.952998    1.649298    2.0
5   0.824585    -7.345420   2.448812    0.0
6   -2.304908   -8.031817   2.612488    0.0
7   -2.304908   -8.031817   2.612488    0.0
8   0.853281    -8.413029   4.334718    0.0
9   0.785227    -8.664868   0.554953    0.0

如果你稍微玩弄一下，你可以获得一个更干净的实现。

【讨论】：