[英]how to convert a Series of arrays into a single matrix in pandas/numpy?
我以某種方式得到了一個包含一堆數組的pandas.Series
,如下面的代碼中的s
。
data = [[1,2,3],[2,3,4],[3,4,5],[2,3,4],[3,4,5],[2,3,4],
[3,4,5],[2,3,4],[3,4,5],[2,3,4],[3,4,5]]
s = pd.Series(data = data)
s.shape # output ---> (11L,)
# try to convert s to matrix
sm = s.as_matrix()
# but...
sm.shape # output ---> (11L,)
如何將s
轉換為形狀為 (11,3) 的矩陣? 謝謝!
如果出於某種原因,你發現自己對Series
憎惡,那么將它恢復到你想要的那種matrix
或array
是很簡單的:
In [16]: s
Out[16]:
0 [1, 2, 3]
1 [2, 3, 4]
2 [3, 4, 5]
3 [2, 3, 4]
4 [3, 4, 5]
5 [2, 3, 4]
6 [3, 4, 5]
7 [2, 3, 4]
8 [3, 4, 5]
9 [2, 3, 4]
10 [3, 4, 5]
dtype: object
In [17]: sm = np.matrix(s.tolist())
In [18]: sm
Out[18]:
matrix([[1, 2, 3],
[2, 3, 4],
[3, 4, 5],
[2, 3, 4],
[3, 4, 5],
[2, 3, 4],
[3, 4, 5],
[2, 3, 4],
[3, 4, 5],
[2, 3, 4],
[3, 4, 5]])
In [19]: sm.shape
Out[19]: (11, 3)
但除非它是你無法改變的東西,否則開始使用該系列毫無意義。
另一種方法是提取系列的值並對它們使用numpy.stack。
np.stack(s.values)
PS。 我經常遇到類似的情況。
對於pandas> = 0.24,您還可以使用np.stack(s.to_numpy())
或np.concatenate(s.to_numpy())
,具體取決於您的要求。
我用 5793 個 100D 向量測試了上述方法。 先轉換為列表的舊方法最快。
%time print(np.stack(df.features.values).shape)
%time print(np.stack(df.features.to_numpy()).shape)
%time print(np.array(df.features.tolist()).shape)
%time print(np.array(list(df.features)).shape)
結果
(5793, 100)
CPU times: user 11.7 ms, sys: 3.42 ms, total: 15.1 ms
Wall time: 22.7 ms
(5793, 100)
CPU times: user 11.1 ms, sys: 137 µs, total: 11.3 ms
Wall time: 11.9 ms
(5793, 100)
CPU times: user 5.96 ms, sys: 0 ns, total: 5.96 ms
Wall time: 6.91 ms
(5793, 100)
CPU times: user 5.74 ms, sys: 0 ns, total: 5.74 ms
Wall time: 6.43 ms
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.