从Numpy数组创建Pandas DataFrame:我如何指定索引列和列标题?

我有一个由列表的列表组成的Numpy数组，表示一个具有行标签和列名的二维数组，如下所示:

data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])

我希望得到的DataFrame有Row1和Row2作为索引值，Col1, Col2作为头值

我可以这样指定索引:

df = pd.DataFrame(data,index=data[:,0]),

但是我不确定如何最好地分配列标题。

1129254 次浏览
小开
最佳答案

你需要将data， index和columns指定为DataFrame构造函数，如下所示:

>>> pd.DataFrame(data=data[1:,1:],    # values
...              index=data[1:,0],    # 1st column as index
...              columns=data[0,1:])  # 1st row as the column names

编辑:就像@joris注释一样，你可能需要在上面更改为np.int_(data[1:,1:])以获得正确的数据类型。

小开

我同意Joris的观点;似乎你应该用不同的方式来做，就像Numpy记录数组。从这个答案很好修改"option 2"，你可以这样做:

import pandas
import numpy


dtype = [('Col1','int32'), ('Col2','float32'), ('Col3','float32')]
values = numpy.zeros(20, dtype=dtype)
index = ['Row'+str(i) for i in range(1, len(values)+1)]


df = pandas.DataFrame(values, index=index)
小开

这里有一个简单易懂的解决方案

import numpy as np
import pandas as pd


# Creating a 2 dimensional numpy array
>>> data = np.array([[5.8, 2.8], [6.0, 2.2]])
>>> print(data)
>>> data
array([[5.8, 2.8],
[6. , 2.2]])


# Creating pandas dataframe from numpy array
>>> dataset = pd.DataFrame({'Column1': data[:, 0], 'Column2': data[:, 1]})
>>> print(dataset)
Column1  Column2
0      5.8      2.8
1      6.0      2.2
小开

这可以简单地通过使用pandas DataFrame的from_records来实现

import numpy as np
import pandas as pd
# Creating a numpy array
x = np.arange(1,10,1).reshape(-1,1)
dataframe = pd.DataFrame.from_records(x)
小开

添加到@behzad。Nouri的回答是——我们可以创建一个helper例程来处理这个常见的场景:

def csvDf(dat,**kwargs):
from numpy import array
data = array(dat)
if data is None or len(data)==0 or len(data[0])==0:
return None
else:
return pd.DataFrame(data[1:,1:],index=data[1:,0],columns=data[0,1:],**kwargs)

让我们试一试:

data = [['','a','b','c'],['row1','row1cola','row1colb','row1colc'],
['row2','row2cola','row2colb','row2colc'],['row3','row3cola','row3colb','row3colc']]
csvDf(data)


In [61]: csvDf(data)
Out[61]:
a         b         c
row1  row1cola  row1colb  row1colc
row2  row2cola  row2colb  row2colc
row3  row3cola  row3colb  row3colc
小开 
    >>import pandas as pd
>>import numpy as np
>>data.shape
(480,193)
>>type(data)
numpy.ndarray
>>df=pd.DataFrame(data=data[0:,0:],
...        index=[i for i in range(data.shape[0])],
...        columns=['f'+str(i) for i in range(data.shape[1])])
>>df.head()
[![array to dataframe][1]][1]

enter image description here

小开

我认为这是一个简单而直观的方法:

data = np.array([[0, 0], [0, 1] , [1, 0] , [1, 1]])
reward = np.array([1,0,1,0])


dataset = pd.DataFrame()
dataset['StateAttributes'] = data.tolist()
dataset['reward'] = reward.tolist()


dataset

返回:

enter image description here

但这里详细介绍了性能影响:

如何将pandas列的值设置为list . 如何设置pandas列的值为list

小开

不是很短，但也许能帮到你。

创建数组

import numpy as np
import pandas as pd


data = np.array([['col1', 'col2'], [4.8, 2.8], [7.0, 1.2]])


>>> data
array([['col1', 'col2'],
['4.8', '2.8'],
['7.0', '1.2']], dtype='<U4')

创建数据帧

df = pd.DataFrame(i for i in data).transpose()
df.drop(0, axis=1, inplace=True)
df.columns = data[0]
df


>>> df
col1 col2
0  4.8  7.0
1  2.8  1.2
小开

下面是使用numpy数组创建pandas数据框架的简单示例。

import numpy as np
import pandas as pd


# create an array
var1  = np.arange(start=1, stop=21, step=1).reshape(-1)
var2 = np.random.rand(20,1).reshape(-1)
print(var1.shape)
print(var2.shape)


dataset = pd.DataFrame()
dataset['col1'] = var1
dataset['col2'] = var2
dataset.head()

提交答案