numpy - 具有多索引到Numpy矩阵的Pandas DataFrame

Question

我有一个带有2个索引的pandas DataFrame。 (MultiIndex)我想得到一个类似df.as_matrix(...)的Numpy矩阵，但是这个矩阵的形状为(n_rows, 1)。我想要一个形状为(n_index1_rows, n_index2_rows, 1)的矩阵。

有没有一种方法可以使用.groupby(...)，然后使用.values.tolist()或.as_matrix(...)获得所需的形状？

编辑:数据

                                                              value  
current_date                  temp_date                                        
1970-01-01 00:00:01.446237485 1970-01-01 00:00:01.446237489   30.497100   
                              1970-01-01 00:00:01.446237494    9.584300   
                              1970-01-01 00:00:01.446237455   10.134200   
                              1970-01-01 00:00:01.446237494    7.803683   
                              1970-01-01 00:00:01.446237400   10.678700   
                              1970-01-01 00:00:01.446237373    9.700000   
                              1970-01-01 00:00:01.446237180   15.000000   
                              1970-01-01 00:00:01.446236961   12.928866   
                              1970-01-01 00:00:01.446237032   10.458800

这是一个主意:

np.array([np.resize(x.as_matrix(["value"]).copy(), (500, 1)) for (i, x) in df.reset_index("current_date").groupby("current_date")])

Answer 1

我认为您想要的是拆开多索引，例如

df.unstack().values[:, :, np.newaxis]

编辑:如果您有重复的索引，则无法进行堆积，而您可能需要 pivot_table来代替:

pivoted = df.reset_index().pivot_table(index='current_date',
                                       columns='temp_date',
                                       aggfunc='mean')
arr = pivoted.values[:, :, np.newaxis]
arr.shape
# (10, 50, 1)

这是 unstack的完整示例。首先，我们将创建一些数据:

current = pd.date_range('2015', periods=10, freq='D')
temp = pd.date_range('2015', periods=50, freq='D')
ind = pd.MultiIndex.from_product([current, temp],
                                 names=['current_date', 'temp_date'])
df = pd.DataFrame({'val':np.random.rand(len(ind))},
                  index=ind)
df.head()
#                               val
# current_date temp_date           
# 2015-01-01   2015-01-01  0.309488
#              2015-01-02  0.697876
#              2015-01-03  0.621318
#              2015-01-04  0.308298
#              2015-01-05  0.936828

现在我们拆开多索引:我们将显示数据的第一个4x4切片:

df.unstack().iloc[:4, :4]
#                     val                                 
# temp_date    2015-01-01 2015-01-02 2015-01-03 2015-01-04
# current_date                                            
# 2015-01-01     0.309488   0.697876   0.621318   0.308298
# 2015-01-02     0.323530   0.751486   0.507087   0.995565
# 2015-01-03     0.805709   0.101129   0.358664   0.501209
# 2015-01-04     0.360644   0.941200   0.727570   0.884314

现在提取numpy数组，并按照问题中的指定将其整形为[nrows x ncols x 1]:

vals = df.unstack().values[:, :, np.newaxis]
print(vals.shape)
# (10, 50, 1)