在 Python 中附加数据答案

【问题标题】：Appending data in Python在 Python 中附加数据
【发布时间】：2017-03-14 12:46:50
【问题描述】：

我有一个维度为 (95,) 的时间数据。我编写了以下代码来提取年、月和日，以创建一个维度为 (95,3) 的数组。但是，以下代码能够创建一个维度为 (285,) 的数组。如何创建维度为 (95,3) 的新时间数组，其中第一列代表年份，第二列代表月份，最后一列代表日期。

newtime = np.array([])
for i in range(len(time)):
    a = seconds_since_jan_1_1993_to_datetime(time[i])
    time_year = float(a.strftime("%Y"))
    time_mon = float(a.strftime("%m"))
    time_day = float(a.strftime("%d"))
    newtime = np.append(newtime, np.array([time_year, time_mon, time_day]))

例如，我有一个包含元素数组的输入数组([725696054.99044609, 725696056.99082708, 725696058.99119401, ...])

我想要以下形式的输出：

Col1 Col2 Col3
2015.0 12.0 31.0
2015.0 12.0 31.0
2015.0 12.0 31.0

期待您的建议或帮助。

【问题讨论】：

见stackoverflow.com/q/42752203
最好在列表列表中收集值。然后在最后制作一个结构化数组或数据框。

标签： arrays python-2.7 numpy

【解决方案1】：

我的建议是使用数据框格式。

对您的代码的一个简单修复是：

newtime = pd.DataFrame([], columns=['year','month','day'])

for i in range(len(time)):
    a = seconds_since_jan_1_1993_to_datetime(time[i])
    time_year = float(a.strftime("%Y"))
    time_mon = float(a.strftime("%m"))
    time_day = float(a.strftime("%d"))
    newtime.loc[len(newtime)] = [time_year, time_mon, time_day]

希望有帮助！

【讨论】：

【解决方案2】：

数据框是一个不错的选择。但是，如果你想保留一个数组，你可以简单地使用 numpy 的 reshape() 函数。这是一个示例代码：

import numpy as np

newtime = np.array([])

for i in range(12):
    # Dummy data generated here, using floats like in the original post
    time_year = float(2015.0)
    time_mon = float(1.0*i)
    time_day = float(31.0)
    newtime = np.append(newtime,np.array([time_year, time_mon, time_day]))

newtime = newtime.reshape((-1,3))

注意 reshape 函数中的参数：(-1,3) 将告诉 numpy 将第二维设为 3，自动计算第一维。现在，如果你打印 newtime，你应该会看到：

[[  2.01500000e+03   0.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   1.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   2.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   3.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   4.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   5.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   6.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   7.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   8.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   9.00000000e+00   3.10000000e+01]
 [  2.01500000e+03   1.00000000e+01   3.10000000e+01]
 [  2.01500000e+03   1.10000000e+01   3.10000000e+01]]

【讨论】：