Pandas：从2D numpy数组创建一个数据帧，保留它们的顺序

Question

假设你有3个numpy数组： lat ， lon ， val ：

import numpy as np

lat=np.array([[10, 20, 30],
              [20, 11, 33],
              [21, 20, 10]])

lon=np.array([[100, 102, 103],
              [105, 101, 102],
              [100, 102, 103]])

val=np.array([[17, 2, 11],
              [86, 84, 1],
              [9, 5, 10]])

并且说你要创建一个pandas数据df.columns = ['lat', 'lon', 'val'] ，其中df.columns = ['lat', 'lon', 'val'] ，但由于lat每个值都与long和val数量相关联，所以你希望它们出现在同一行。

此外，您希望每列的按行顺序跟随每个数组中的位置，以便获取以下数据帧：

      lat   lon   val
0     10    100    17
1     20    102    2
2     30    103    11
3     20    105    86
...   ...   ...    ...

所以基本上数据帧中的第一行存储每个数组的“第一”数量，依此类推。 这该怎么做？

我无法找到这样做的pythonic方式，所以任何帮助都将非常感激。

Answer 1

我认为最简单的方法是使用ravel来平化数组：

df = pd.DataFrame({'lat': lat.ravel(), 'long': long.ravel(), 'val': val.ravel()})
print (df)
   lat  long  val
0   10   100   17
1   20   102    2
2   30   103   11
3   20   105   86
4   11   101   84
5   33   102    1
6   21   100    9
7   20   102    5
8   10   103   10

Answer 2

像这样的东西 -

# Create stacked array
In [100]: arr = np.column_stack((lat.ravel(),long.ravel(),val.ravel()))

# Create dataframe from it and assign column names    
In [101]: pd.DataFrame(arr,columns=('lat','long','val'))
Out[101]: 
   lat  long  val
0   10   100   17
1   20   102    2
2   30   103   11
3   20   105   86
4   11   101   84
5   33   102    1
6   21   100    9
7   20   102    5
8   10   103   10

运行时测试 -

In [103]: lat = np.random.rand(30,30)

In [104]: long = np.random.rand(30,30)

In [105]: val = np.random.rand(30,30)

In [106]: %timeit pd.DataFrame({'lat': lat.ravel(), 'long': long.ravel(), 'val': val.ravel()})
1000 loops, best of 3: 452 µs per loop

In [107]: arr = np.column_stack((lat.ravel(),long.ravel(),val.ravel()))

In [108]: %timeit np.column_stack((lat.ravel(),long.ravel(),val.ravel()))
100000 loops, best of 3: 12.4 µs per loop

In [109]: %timeit pd.DataFrame(arr,columns=('lat','long','val'))
1000 loops, best of 3: 217 µs per loop

Answer 3

不需要先拉扯。 你可以堆叠然后去。

lat, long, val = np.arange(5), np.arange(5), np.arange(5)
arr = np.stack((lat, long, val), axis=1)
cols = ['lat', 'long', 'val']
df = pd.DataFrame(arr, columns=cols)
   lat  long  val
0    0     0    0
1    1     1    1
2    2     2    2
3    3     3    3
4    4     4    4