Question

如果我按如下方式构建pandas DataFrame：

import numpy as np
import pandas as pd

x = np.arange(-5.01, 5.01, 0.25)
y = np.arange(-5.01, 5.01, 0.25)
xx, yy = np.meshgrid(x, y)
z = np.sin(xx**2+yy**2)
df = pd.DataFrame(z, index=x, columns=y)

我现在有一个41x41的DataFrame，其中每个值对应一个x，y对。我想重塑这个DataFrame，使得我有3列（X，Y，Z）和1681行，其中新的任意索引的范围为0-1680。

作为旁注，我相信这与撤消df.pivot（'X'，'Y'，'Z'）相同，如果我的数据帧已经是所需的形式，但我不确定如何也是为了实现这一点。

Answer 1

为什么不在numpy中全部完成？

>>> data = np.array([xx, yy, z]).reshape(3, -1).T
>>> data
array([[-5.01      , -5.01      , -0.0652361 ],
       [-4.76      , -5.01      , -0.59221922],
       [-4.51      , -5.01      ,  0.9936343 ], ...

Answer 2

unstack将撤消pivot help on pandas.unstack()

df.unstack().reset_index().rename(columns={'level_0':'x','level_1':'y',0:'z'})

         x     y         z
0    -5.01 -5.01 -0.065236
1    -5.01 -4.76 -0.592219
2    -5.01 -4.51  0.993634

Answer 3

您可以将多维数组重塑为一维数组并创建一个字典，然后可以轻松转换为有序的数据帧：

import numpy as np
import pandas as pd

x = np.arange(-5.01, 5.01, 0.25)
y = np.arange(-5.01, 5.01, 0.25)
xx, yy = np.meshgrid(x, y)
z = np.sin(xx**2+yy**2)
NT = np.product(xx.shape)

data = {
    "x": np.reshape(xx,NT),
    "y": np.reshape(yy,NT),
    "z": np.reshape(zz,NT)
}
df = pd.DataFrame(data=data)

df

将输出：

    x   y   z
0   -5.01   -5.01   -0.065236
1   -4.76   -5.01   -0.592219
2   -4.51   -5.01   0.993634
3   -4.26   -5.01   -0.670288
4   -4.01   -5.01   -0.333011
... ... ... ...
1676    3.99    4.99    0.020503
1677    4.24    4.99    -0.893283
1678    4.49    4.99    0.880967
1679    4.74    4.99    -0.241402
1680    4.99    4.99    -0.448675
1681 rows × 3 columns

从Meshgrid重塑pandas DataFrame

3 个答案: