如何將 ndarray 轉換為“高” Pandas DataFrame

Question

我正在做的一些工作會產生不同尺寸的 output 張量（numpy ndarray），具體取決於我感興趣/想要 plot 隨着時間的推移，有時我可能會選擇年齡組和性別作為我的目標，這將導致 Z72FA6E1B78A9D4028953E60564A2AA4CZ我們擁有的張量

age_groups[
  genders[
    days[Value, ..., Value], 
    days[Value, ..., Value]
  ],
  ...,
  genders[
    days[Value, ..., Value]
    days[Value, ..., Value]
  ],
]

我的問題是，我怎樣才能最有效地將其變成如下所示的 dataframe：

     Age_Group  Gender  Day  Value
0    1          M       1    blah
1    1          F       1    blah
2    1          M       2    blah
4    1          F       2    blah
5    1          M       3    blah
6    1          F       3    blah
7    1          M       4    blah
...
n    5          F       21   blah

如果我添加另一個目標來分組，我如何確保它可以推廣到，比如頭發顏色，以便將另一列添加到生成的 df 中？

對不起，如果這個問題有點抽象，我希望我能清楚地說明我的問題，如果不是，我可以嘗試進一步澄清。

Answer 1

您可以從陣列的扁平化版本創建 MultiIndex dataframe。 對於 3D 數組的每個索引處的變量的值沒有真正的指示，但假設是任意順序：

arr = np.arange(4*2*21).reshape(4, 2, 21)  # example array
ix = pd.MultiIndex.from_product(
    [[1, 2, 3, 4], ['M', 'F'], np.arange(1, 22)],
    names=['Age_Group', 'Gender', 'Day']
)
df = pd.DataFrame(arr.flatten(), index=ix, columns=['Value'])

Output：

     Age_Group Gender  Day  Value
0            1      M    1      0
1            1      M    2      1
2            1      M    3      2
3            1      M    4      3
4            1      M    5      4
..         ...    ...  ...    ...
163          4      F   17    163
164          4      F   18    164
165          4      F   19    165
166          4      F   20    166
167          4      F   21    167

如果每個索引處變量值的順序不同，只需更改 function from_product的輸入以匹配您的數組。

Answer 2

假設您的數組稱為數據：

data = ...
array = np.hstack([np.arange(data.size).reshape(-1, 1) % np.prod(data.shape[i:]) // np.prod(data.shape[i+1:])  for i in range(data.ndim)])
array = np.concatenate([array, data.reshape(-1, 1)])
df = pd.DataFrame(array, columns=['column names'])

現在，如果需要，您只需要將性別列轉換為字母