将 Pandas 数据帧矢量化为 Numpy 数组

Question

我有一个问题，我需要将 Pandas 数据帧转换为列表列表数组。

样品：

import pandas as pd
df = pd.DataFrame([[1,2,3],[2,2,4],[3,2,4]])

我知道有 as_matrix() 函数返回如下：

df.as_matrix():
# result:array([[1, 2, 3],
                [2, 2, 4],
                [3, 2, 4]])

但是，我需要这种格式的东西

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

IE浏览器。 我需要一个包含列表的数组列表，其中最里面的列表包含一个元素，数组中最外面的列表表示数据帧的行。 这样做的效果是它基本上将数据帧的每一行向量化为一个维度为 3 的向量。

这非常有用，尤其是当我需要在 numpy 中进行矩阵/向量操作并且当前我拥有的数据源是 .csv 格式并且我正在努力寻找一种将数据帧转换为向量的方法时。

Answer 1

提取底层数组数据，沿最后一个轴添加一个新轴，然后使用np.vsplit沿第一个轴np.vsplit -

np.vsplit(df.values[...,None],df.shape[0])

样品运行 -

In [327]: df
Out[327]: 
   0  1  2
0  1  2  3
1  2  2  4
2  3  2  4

In [328]: expected_output = [np.array([[1], [2], [3]]),
     ...: np.array([[2], [2], [4]]),
     ...: np.array([[3], [2], [4]])]

In [329]: expected_output
Out[329]: 
[array([[1],
        [2],
        [3]]), array([[2],
        [2],
        [4]]), array([[3],
        [2],
        [4]])]

In [330]: np.vsplit(df.values[...,None],df.shape[0])
Out[330]: 
[array([[[1],
         [2],
         [3]]]), array([[[2],
         [2],
         [4]]]), array([[[3],
         [2],
         [4]]])]

如果您正在使用 NumPy funcs，那么在大多数情况下，您应该能够取消拆分并直接使用扩展数组版本。

现在， 在np.vsplit使用np.array_split ，这基本上是一个循环。 因此，更高效的方法是避免函数开销，就像这样 -

np.array_split(df.values[...,None],df.shape[0])

请注意，这将比预期输出中列出的多一个维度。 如果你想要一个挤出版本，我们可以在新轴扩展数组版本上使用列表理解，就像这样 -

In [357]: [i for i in df.values[...,None]]
Out[357]: 
[array([[1],
        [2],
        [3]]), array([[2],
        [2],
        [4]]), array([[3],
        [2],
        [4]])]

因此，另一种方法是在循环中添加新轴 -

[i[...,None] for i in df.values]

Answer 2

首先将您的 DataFrame 转换为矩阵。 然后添加维度并将其转换为列表。

尝试：

df = pd.DataFrame([[1,2,3],[2,2,4],[3,2,4]])
my_matrix = df.as_matrix()
my_list_of_arrays_of_list_lists = list(np.expand_dims(my_matrix, axis=2))

my_list_of_arrays_of_list_lists代表您正在寻找的内容并为您提供：

Out[42]: [array([[1],[2],[3]]),
          array([[2],[2],[4]]),
          array([[3],[2],[4]])]