python - 访问 numpy 元组数组中的第一项

Question

我有一个 pandas 数据框，其中有一列包含由两个 float 组成的元组，例如(1.1,2.2)。我希望能够生成一个包含每个元组第一个元素的数组。我可以遍历每一行并获取每个元组的第一个元素，但数据框包含近 400 万条记录，这种方法非常慢。 satoru 对 SO (stackoverflow.com/questions/6454894/reference-an-element-in-a-list-of-tuples) 的回答建议使用以下机制:

>>> import numpy as np
>>> arr = np.array([(1.1,2.2),(3.3,4.4),(5.5,6.6),(7.7,8.8)])
>>> arr
array([[ 1.1,  2.2],
       [ 3.3,  4.4],
       [ 5.5,  6.6],
       [ 7.7,  8.8]])
>>> arr[:,0]
array([ 1.1,  3.3,  5.5,  7.7])

这样效果很好，绝对可以满足我的需求。但是，当我尝试从 pandas 数据帧创建一个 numpy 数组时，我遇到了这个问题。在这种情况下，上述解决方案将失败并出现各种错误。例如:

>>> import numpy as np
>>> import pandas as pd
>>> df = pd.DataFrame({'other':[0,0,0,1,1],'point':[(1.1,2.2),(3.3,4.4),(5.5,6.6),(7.7,8.8),(9.9,0.0)]})
>>> df
   other       point
0      0  (1.1, 2.2)
1      0  (3.3, 4.4)
2      0  (5.5, 6.6)
3      1  (7.7, 8.8)
4      1  (9.9, 0.0)
>>> arr2 = np.array(df['point'])
>>> arr2
array([(1.1, 2.2), (3.3, 4.4), (5.5, 6.6), (7.7, 8.8), (9.9, 0.0)], dtype=object)
>>> arr2[:,0]
IndexError: too many indices for array

或者:

>>> arr2 = np.array([df['point']])
>>> arr2
array([[[1.1, 2.2],
        [3.3, 4.4],
        [5.5, 6.6],
        [7.7, 8.8],
        [9.9, 0.0]]], dtype=object)
>>> arr2[:,0]
array([[1.1, 2.2]], dtype=object)   # Which is not what I want!

当我将数据从 pandas 数据帧传输到 numpy 数组时，似乎出现了问题 - 但我不知道是什么问题。如有任何建议，我们将不胜感激。

Answer 1

从您的数据框开始，我可以提取一个 (5,2) 数组:

In [68]: df=pandas.DataFrame({'other':[0,0,0,1,1],'point':[(1.1,2.2),(3.3,4.4),(5.5,6.6),(7.7,8.8),(9.9,0.0)]})

In [69]: np.array(df['point'].tolist())
Out[69]: 
array([[ 1.1,  2.2],
       [ 3.3,  4.4],
       [ 5.5,  6.6],
       [ 7.7,  8.8],
       [ 9.9,  0. ]])

df['point'] 是 Pandas 系列。

df['point'].values 返回形状为 (5,) 和数据类型为 object 的数组。我

array([(1.1, 2.2), (3.3, 4.4), (5.5, 6.6), (7.7, 8.8), (9.9, 0.0)], dtype=object)

实际上，它是一个元组数组。真正的元组，而不是类似元组的结构化数组。该数组实际上包含指向元组的指针，这些元组位于内存中的其他位置。它的形状是 (5,) - 它是一维数组，因此尝试将其作为二维数组进行索引会给您带来“太多”错误。 np.array([df['point']]) 只是将它包装在另一个维度中，没有解决基本的对象 dtype 问题。

tolist() 将其转换为元组列表，您可以从中构建二维数组。

将数据从对象数组复制到 n-d 数组并不简单，并且总是需要某种复制。数据缓冲区完全不同，因此 astype 之类的东西不起作用。