[英]How to efficiently convert Pandas Dataframe into a multidimensional numpy array?
[英]Pandas DataFrame to multidimensional NumPy Array
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?
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.