Pandas DataFrame到多维NumPy数组

Question

我有一个Dataframe，我希望使用其中一列作为第三维转换为多维数组。
举个例子：

df = pd.DataFrame({
'id': [1, 2, 2, 3, 3, 3],
'date': np.random.randint(1, 6, 6),
'value1': [11, 12, 13, 14, 15, 16],
'value2': [21, 22, 23, 24, 25, 26]
 })

我想将它转换为具有尺寸（id，日期，值）的3D数组，如下所示：

问题是'id的出现次数不同，所以我不能使用np.reshape() 。

对于这个简化的例子，我能够使用：

ra = np.full((3, 3, 3), np.nan)

for i, value in enumerate(df['id'].unique()):
    rows = df.loc[df['id'] == value].shape[0]
    ra[i, :rows, :] = df.loc[df['id'] == value, 'date':'value2']

为了产生所需的结果：

但原始DataFrame包含数百万行。

是否有一种矢量化方式来帮助同样的结果？

Answer 1

方法＃1

按照@Yannis在评论中的建议，使用df.sort_values('id', inplace=True)对id col进行排序后，这是一种矢量化方法 -

count_id = df.id.value_counts().sort_index().values
mask = count_id[:,None] > np.arange(count_id.max())
vals = df.loc[:, 'date':'value2'].values
out_shp = mask.shape + (vals.shape[1],)
out = np.full(out_shp, np.nan)
out[mask] = vals

方法＃2

另一个不需要任何预分类的factorize -

x = df.id.factorize()[0]   
y = df.groupby(x).cumcount().values
vals = df.loc[:, 'date':'value2'].values
out_shp = (x.max()+1, y.max()+1, vals.shape[1])
out = np.full(out_shp, np.nan)
out[x,y] = vals