python - 转换数据文件 'X' 'Y' 'Z' 'data' 格式

Question

我有 3 个数据集，第一个名为 Data 的保存我的数据；该表有 5 列和 3 行 - 每列代表一个特定的位置，可以用一组 X、Y 位置来标识，每行代表一个特定的深度 (Z)；第二个数据集包含 5 个 X、Y 位置(第一个数据集的列)，而第三个文件包含 3 个 Z 值，(数据表的行)

生成我的数据

import numpy as np 
Data = np.arange(1, 16).reshape(3, 5) #holds the 'data' I am interested in
X = [0, 0, 1, 1, 2] #create 'X', 'Y' values
Y = [0, 1, 0, 1, 0]
XY = np.array((X, Y)).reshape(5, 2) # this is the format I have the 'X' and 'Y' values
Z = [-1, -5, -10] 
z = np.array(Z) 

我现在想合并所有并拥有一个新的 X、Y、Z、数据格式的 numpy 数组(或 pandas 数据框)例如，对于给定表的前 3 行的数据应该是:

X Y  Z Data #this is a header, I just add it to make reading easier
0 0  -1   1
0 0  -5   6
0 0 -10  11
0 1  -1   2
0 1  -5   7
0 1 -10  12

等....

任何关于如何做到这一点的提示都会很棒我正在考虑使用 pandas 创建适当的(多)索引列，但我找不到合适的方法

Answer 1

从 X 和 Y 构建一个 MultiIndex，并使用 unstack。

In [4]: columns = pd.MultiIndex.from_arrays([X, Y])

In [5]: df = DataFrame(Data, columns=columns, index=Z)

In [6]: df
Out[6]: 
      0       1       2
      0   1   0   1   0
-1    1   2   3   4   5
-5    6   7   8   9  10
-10  11  12  13  14  15

In [7]: df1 = df.unstack().reset_index()

In [8]: df1.columns = ['X', 'Y', 'Z', 'Data']

In [9]: df1
Out[9]: 
    X  Y   Z  Data
0   0  0  -1     1
1   0  0  -5     6
2   0  0 -10    11
3   0  1  -1     2
4   0  1  -5     7
5   0  1 -10    12
6   1  0  -1     3
7   1  0  -5     8
8   1  0 -10    13
9   1  1  -1     4
10  1  1  -5     9
11  1  1 -10    14
12  2  0  -1     5
13  2  0  -5    10
14  2  0 -10    15

我选择制作 X、Y 和 Z 适当的列 (reset_index())，而不是将它们保留为三级 MultiIndex。通常，这更清洁且更有用。