根据 dataframe 列中的值将 2-D numpy 数组重构为 3-D numpy 数组

Question

我有一个二维 numpy 数组让我们这样说：

matrix([[1., 0., 0., ..., 1., 0., 0.],
        [1., 0., 0., ..., 0., 1., 1.],
        [1., 0., 0., ..., 1., 0., 0.],
        [1., 1., 0., ..., 1., 0., 0.],
        [1., 1., 0., ..., 1., 0., 0.],
        [1., 1., 0., ..., 1., 0., 0.]])

我想根据 dataframe 的列的值将其转换为 3-D numpy 数组。 假设列是这样的：

df = pd.DataFrame({"Case":[1,1,2,2,3,4]})

最终的 3-D 数组应如下所示：

 matrix([
           [ 
              [1., 0., 0., ..., 1., 0., 0.], [1., 0., 0., ..., 0., 1., 1.] 
           ],
           [
              [1., 0., 0., ..., 1., 0., 0.], [1., 1., 0., ..., 1., 0., 0.]
           ],
           [
              [1., 1., 0., ..., 1., 0., 0.]
           ],
           [
              [1., 1., 0., ..., 1., 0., 0.]
           ]
        ])

初始 2-D 数组的前 2 个 arrays 成为最终 3-D 数组的 2-D 数组，因为从 dataframe 的列开始，第一行和第二行都具有相同的值“1”。 同样，接下来的 2 个 arrays 成为另一个 2-D 数组 2 arrays 因为 dataframe 的列的下两个值是 '2' 所以属于一起。 值“3”和“4”只有一行，因此 3-D 阵列的下一个 2-D arrays 每个只有 1 个阵列。

因此，基本上如果 dataframe 的列的两个或多个数字相同，则 2-D 初始矩阵的行的那些索引属于一起并被转换为 2-D 矩阵并作为最终 3- D 矩阵。

我该怎么做呢？

Answer 1

Numpy 对具有不同长度的行的 arrays 没有很好的支持，但您可以将其设为二维 arrays list ：

M = np.ndarray(
[[1., 0., 0., ..., 1., 0., 0.],
 [1., 0., 0., ..., 0., 1., 1.],
 [1., 0., 0., ..., 1., 0., 0.],
 [1., 1., 0., ..., 1., 0., 0.],
 [1., 1., 0., ..., 1., 0., 0.],
 [1., 1., 0., ..., 1., 0., 0.]]
)

df = pd.DataFrame({"Case":[1,1,2,2,3,4]})

M_per_case = [
    np.stack([M[index] for index in df.index[df['Case'] == case]]) 
    for case in set(df['Case'])
]