Python实现把多维数组展开成DataFrame
更新时间：2019年11月30日 09:22:31 作者：lyghe
今天小编就为大家分享一篇Python实现把多维数组展开成DataFrame，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
如下所示：
import numpy as np import pandas as pd ################# 准备数据 ################# a1 = np.arange(1,101) a3 = a1.reshape((2,5,10)) a3 ''' array([[[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10], [ 11, 12, 13, 14, 15, 16, 17, 18, 19, 20], [ 21, 22, 23, 24, 25, 26, 27, 28, 29, 30], [ 31, 32, 33, 34, 35, 36, 37, 38, 39, 40], [ 41, 42, 43, 44, 45, 46, 47, 48, 49, 50]], [[ 51, 52, 53, 54, 55, 56, 57, 58, 59, 60], [ 61, 62, 63, 64, 65, 66, 67, 68, 69, 70], [ 71, 72, 73, 74, 75, 76, 77, 78, 79, 80], [ 81, 82, 83, 84, 85, 86, 87, 88, 89, 90], [ 91, 92, 93, 94, 95, 96, 97, 98, 99, 100]]]) ''' ################# 准备标签 ################# # 第 1 维的标签 index1 = pd.Series(np.arange(1,11)) index1 = index1.astype(str) index1 = 'A'+index1 index1 ''' 0 A1 1 A2 2 A3 3 A4 4 A5 5 A6 6 A7 7 A8 8 A9 9 A10 ''' # 第 2 维的标签 index2 = pd.Series(np.arange(1,6)) index2 = index2.astype(str) index2 = 'B'+index2 index2 ''' 0 B1 1 B2 2 B3 3 B4 4 B5 ''' # 第 3 维的标签 index3 = pd.Series(np.arange(1,3)) index3 = index3.astype(str) index3 = 'C'+index3 index3 ''' 0 C1 1 C2 ''' ################# 展开数据 ################# # 把三维数组展开 value = a3.flatten() value = pd.Series(value) value.name = 'value' value ''' 0 1 1 2 2 3 ... 97 98 98 99 99 100 Name: value, Length: 100, dtype: int64 ''' ################# 展开标签 ################# import itertools # index的笛卡尔乘积。注意：高维在前，低维在后 prod = itertools.product(index3, index2, index1 ) # 转换为DataFrame prod = pd.DataFrame([x for x in prod]) prod.columns = ['C', 'B', 'A'] prod.T ''' 0 1 2 3 4 5 6 7 8 9 ... 90 91 92 93 94 95 96 \ C C1 C1 C1 C1 C1 C1 C1 C1 C1 C1 ... C2 C2 C2 C2 C2 C2 C2 B B1 B1 B1 B1 B1 B1 B1 B1 B1 B1 ... B5 B5 B5 B5 B5 B5 B5 A A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 ... A1 A2 A3 A4 A5 A6 A7 97 98 99 C C2 C2 C2 B B5 B5 B5 A A8 A9 A10 [3 rows x 100 columns] ''' ################# 最终数据 ################# # 合并成一个DataFrame pd.concat([prod, value], axis=1) ''' C B A value 0 C1 B1 A1 1 1 C1 B1 A2 2 2 C1 B1 A3 3 3 C1 B1 A4 4 4 C1 B1 A5 5 5 C1 B1 A6 6 6 C1 B1 A7 7 7 C1 B1 A8 8 8 C1 B1 A9 9 9 C1 B1 A10 10 10 C1 B2 A1 11 11 C1 B2 A2 12 12 C1 B2 A3 13 13 C1 B2 A4 14 14 C1 B2 A5 15 15 C1 B2 A6 16 16 C1 B2 A7 17 17 C1 B2 A8 18 18 C1 B2 A9 19 19 C1 B2 A10 20 20 C1 B3 A1 21 21 C1 B3 A2 22 22 C1 B3 A3 23 23 C1 B3 A4 24 24 C1 B3 A5 25 25 C1 B3 A6 26 26 C1 B3 A7 27 27 C1 B3 A8 28 28 C1 B3 A9 29 29 C1 B3 A10 30 .. .. .. ... ... 70 C2 B3 A1 71 71 C2 B3 A2 72 72 C2 B3 A3 73 73 C2 B3 A4 74 74 C2 B3 A5 75 75 C2 B3 A6 76 76 C2 B3 A7 77 77 C2 B3 A8 78 78 C2 B3 A9 79 79 C2 B3 A10 80 80 C2 B4 A1 81 81 C2 B4 A2 82 82 C2 B4 A3 83 83 C2 B4 A4 84 84 C2 B4 A5 85 85 C2 B4 A6 86 86 C2 B4 A7 87 87 C2 B4 A8 88 88 C2 B4 A9 89 89 C2 B4 A10 90 90 C2 B5 A1 91 91 C2 B5 A2 92 92 C2 B5 A3 93 93 C2 B5 A4 94 94 C2 B5 A5 95 95 C2 B5 A6 96 96 C2 B5 A7 97 97 C2 B5 A8 98 98 C2 B5 A9 99 99 C2 B5 A10 100 [100 rows x 4 columns] '''
以上这篇Python实现把多维数组展开成DataFrame就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了python多线程爬取西刺代理的示例代码，帮助大家更好的理解和学习python的爬虫，感兴趣的朋友可以了解下2021-01-01
这篇文章主要介绍了基于Django统计博客文章阅读量,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-10-10
在Python中使用requests库发送HTTP请求时,有时会遇到乱码的问题,乱码通常是由于编码不一致或解码错误导致的,这篇文章给大家介绍了Python requests乱码的五种解决办法,并通过代码示例讲解的非常详细,需要的朋友可以参考下2024-04-04
这篇文章主要介绍python中的load、loads实现反序列化，在python自动化中，我们传递一些参数是需要从文件中读取过来的，读取过来的字典并非python对象数据类型而是string类型，下面来看详情内容吧2021-10-10
在这篇文章中我们将全面深入地介绍 Python 的控制流程，包括条件语句、循环结构和异常处理等关键部分，尤其会将列表解析、生成器、装饰器等高级用法一网打尽，快跟随小编学起来吧2023-05-05
本文主要介绍了一行代码生成Tableau可视化图表的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-04-04
这篇文章主要为大家详细介绍了python实现ID3决策树算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-08-08
这篇文章主要给大家介绍了关于python本地文件服务器的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-05-05
为了确保数据的质量，Python Pandera 库应运而生。本文将深入介绍 Python Pandera，这是一个用于数据验证和清洗的库，并提供丰富的示例代码，帮助大家充分利用它来提高数据质量2024-01-01
这篇文章主要介绍了Python单向链表和双向链表原理与用法,结合实例形式详细分析了单向链表与双向链表的概念、原理以及创建、添加、删除等相关操作技巧,需要的朋友可以参考下2018-08-08
最新评论