python - 将 Pandas Dataframe 向量化为 Numpy 数组

Question

我有一个问题，我需要将 pandas 数据框转换为列表列表的数组。

示例:

import pandas as pd
df = pd.DataFrame([[1,2,3],[2,2,4],[3,2,4]])

我知道有 as_matrix() 函数返回如下:

df.as_matrix():
# result:array([[1, 2, 3],
                [2, 2, 4],
                [3, 2, 4]])

但是，我需要这种格式的东西

  [array([[1], [2], [3]]),
   array([[2], [2], [4]],
   array([[3], [2], [4]])]

即。我需要一个包含列表列表的数组列表，其中最里面的列表包含一个元素，数组中最外面的列表代表数据帧的行。这样做的效果是，它基本上将数据帧的每一行向量化为 3 维向量。

当我需要在 numpy 中进行矩阵/向量运算并且当前我拥有的数据源是 .csv 格式并且我正在努力寻找一种将数据帧转换为向量的方法时，这尤其有用。

Answer 1

提取底层数组数据，沿最后一个添加新轴，然后使用 np.vsplit 沿第一个轴拆分 -

np.vsplit(df.values[...,None],df.shape[0])

sample 运行-

In [327]: df
Out[327]: 
   0  1  2
0  1  2  3
1  2  2  4
2  3  2  4

In [328]: expected_output = [np.array([[1], [2], [3]]),
     ...: np.array([[2], [2], [4]]),
     ...: np.array([[3], [2], [4]])]

In [329]: expected_output
Out[329]: 
[array([[1],
        [2],
        [3]]), array([[2],
        [2],
        [4]]), array([[3],
        [2],
        [4]])]

In [330]: np.vsplit(df.values[...,None],df.shape[0])
Out[330]: 
[array([[[1],
         [2],
         [3]]]), array([[[2],
         [2],
         [4]]]), array([[[3],
         [2],
         [4]]])]

如果您正在使用 NumPy 函数，那么在大多数情况下，您应该能够取消拆分并直接使用扩展数组版本。

现在，under the hoods np.vsplit使用 np.array_split 这基本上是一个循环。因此，更高效的方法是避免函数开销，就像这样 -

np.array_split(df.values[...,None],df.shape[0])

请注意，这将比预期输出中列出的维度多一维。如果你想要一个压缩版本，我们可以在新轴扩展数组版本上使用列表理解，就像这样 -

In [357]: [i for i in df.values[...,None]]
Out[357]: 
[array([[1],
        [2],
        [3]]), array([[2],
        [2],
        [4]]), array([[3],
        [2],
        [4]])]

因此，另一种方法是在循环中添加新轴 -

[i[...,None] for i in df.values]