如何创建包含所有其他列的值作为张量的新熊猫数据框列？答案

【问题标题】：How to create new pandas dataframe column containing values of all other columns as a tensor?如何创建包含所有其他列的值作为张量的新熊猫数据框列？
【发布时间】：2021-03-24 00:35:08
【问题描述】：

我正在尝试创建一个新的特征列，它是一个包含现有列中的值的张量。所以如果col A的值为'1'，col B的值为'0'，col C的值为0，那么新的特征列的值为[1,0,0]。

我尝试了以下代码：

import numpy as np
import pandas as pd
import torch

df = pd.DataFrame({"A":[1,1,0], "B":[0,1,1], "Sentiment":[0,0,1]})

df["new_feature"] = [df["A"].values, df["B"].values, df["C"].values]

...但结果不是我需要的。结果是获取每列的值，而不是跨行的值（多列值）。例如，第一行的new_feature 列值应该是 [1,0,0] 但它显示的是 [1,1,0]

我的最终目标是获得一个数据框列，我可以将其用作火炬张量以输入到神经网络中。

【问题讨论】：

标签： python pandas pytorch

【解决方案1】：

将torch.from_numpy 与apply lambda 函数一起使用。

df["new_feature"] = df.apply(lambda x:torch.from_numpy(x.to_numpy()), axis = 1)
df
   A  B  C                        new_feature
0  1  0  0  [tensor(1), tensor(0), tensor(0)]
1  1  1  0  [tensor(1), tensor(1), tensor(0)]
2  0  1  1  [tensor(0), tensor(1), tensor(1)]

df["new_feature"][0]
tensor([1, 0, 0])

首先使用 pd.Series.to_numpy 和
将数据帧值转换为 numpy 数组然后使用 torch.from_numpy 将 numpy 数组转换为张量。

【讨论】：

【解决方案2】：

你想要吗：

df['new_feature'] = df.values.tolist()

输出：

   A  B  C new_feature
0  1  0  0   [1, 0, 0]
1  1  1  0   [1, 1, 0]
2  0  1  1   [0, 1, 1]

【讨论】：

不是 Pytorch 专家，但我不知何故怀疑 OP 应该想要这个。 df.values已经携带new_feature.values。