从 pandas 数据框列分别创建 numpy 数组答案

【问题标题】：Create separately numpy arrays from pandas dataframe columns从 pandas 数据框列分别创建 numpy 数组
【发布时间】：2020-01-17 11:50:25
【问题描述】：

我想在 Python n 中从我的 pandas 数据框列中自动创建 numpy 数组。我可以使用例如手动执行此操作：

numpy_array_1 = data_frame.column_1.values
numpy_array_2 = data_frame.column_2.values
...
numpy_array_n = data_frame.column_n.values

但我不知道应该如何编写代码来自动创建这些数组。

【问题讨论】：

【解决方案1】：

您可以简单地使用for 并循环遍历它。请记住，使用 (list(data_frame)) 返回数据框中的列名列表：

np_array = []
for i in list(data_frame):
    np_array.append(data_frame[i].values)

预期的输出是一个包含值子列表的列表。每个子列表与数据框中列的位置匹配。因此，您可以制作字典或从中制作元组。字典示例：

np_array_dict = {}
for i in list(data_frame):
    np_array_dict[i] = data_frame[i].values

【讨论】：

【解决方案2】：

您可以像 df.values 一样简单地获取所有数据框行和列值的矩阵你真的需要每列都有不同的数组吗？

【讨论】：

【解决方案3】：

假设我们有一个简单的df：

df = pd.DataFrame({"0":[1,2], "1":[3,4]})
df 
   0  1
0  1  3
1  2  4

然后就可以运行了：

for (key,value) in df.to_dict("list").items():
    exec("numpy_array_{} = np.array({})".format(key, value))

你会得到：

numpy_array_0
array([1, 2])

numpy_array_1
array([3, 4])

等等。

或者：

for col in list(df):
    exec("numpy_array_{} = df[str({})].values".format(col,col))

【讨论】：

【解决方案4】：

这可以在不使用循环的情况下完成：

df = pd.DataFrame({"0":[1,2], "1":[3,4], "2":[5,6]})
print(df)

   0  1  2
0  1  3  5
1  2  4  6

然后：

[*np.transpose(df.values)]

结果：

[array([1, 2]), array([3, 4]), array([5, 6])]

如果需要一本字典，只需按以下步骤进行：

dict(zip(range(df.shape[1]), [*np.transpose(df.values)]))

给出：

{0: array([1, 2]), 1: array([3, 4]), 2: array([5, 6])}

【讨论】：