[英]Reshaping and stacking a 2D array to form a 3D array
我有一個數據框如下
df = pd.DataFrame({'a':[1,1,1,2,2,2],
'b': [10, 20, 30, 20, 40, 60],
'c': [80, 80, 80, 120, 120, 120]})
我想獲得3D陣列
array([[[ 1, 10, 80],
[ 2, 20, 120] ],
[[ 1, 20, 80] ,
[ 2, 40, 120] ],
[[ 1, 30, 80],
[ 2, 60, 120]]], dtype=int64)
我喜歡這樣
values = df.values
values.reshape(3, 2, 3)
並得到不正確的數組。 如何獲得期望的數組?
獲取數組數據,然后將第一個軸拆分為兩個,第一個軸的長度為2
從而為我們提供3D
數組,然后交換這兩個軸,
df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
樣品運行-
In [711]: df
Out[711]:
a b c
0 1 10 80
1 1 20 80
2 1 30 80
3 2 20 120
4 2 40 120
5 2 60 120
In [713]: df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
Out[713]:
array([[[ 1, 10, 80],
[ 2, 20, 120]],
[[ 1, 20, 80],
[ 2, 40, 120]],
[[ 1, 30, 80],
[ 2, 60, 120]]])
這使我們無需復制即可查看原始數據,因此具有最小的恆定時間。
運行時測試
情況1 :
In [730]: df = pd.DataFrame(np.random.randint(0,9,(2000,100)))
# @cᴏʟᴅsᴘᴇᴇᴅ's soln
In [731]: %timeit np.stack(np.split(df.values, 2), axis=1)
10000 loops, best of 3: 109 µs per loop
In [732]: %timeit df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
100000 loops, best of 3: 8.55 µs per loop
案例2:
In [733]: df = pd.DataFrame(np.random.randint(0,9,(2000,2000)))
# @cᴏʟᴅsᴘᴇᴇᴅ's soln
In [734]: %timeit np.stack(np.split(df.values, 2), axis=1)
100 loops, best of 3: 4.3 ms per loop
In [735]: %timeit df.values.reshape(2,-1,df.shape[1]).swapaxes(0,1)
100000 loops, best of 3: 8.37 µs per loop
嘗試np.split
+ np.stack
:
np.stack(np.split(df.values, 2), axis=1)
array([[[ 1, 10, 80],
[ 2, 20, 120]],
[[ 1, 20, 80],
[ 2, 40, 120]],
[[ 1, 30, 80],
[ 2, 60, 120]]])
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.