Question

我有一个pandas系列，其值是numpy数组。为简单起见，说

    series = pd.Series([np.array([1,2,3,4]), np.array([5,6,7,8]), np.array([9,10,11,12])], index=['file1', 'file2', 'file3'])

file1       [1, 2, 3, 4]
file2       [5, 6, 7, 8]
file3    [9, 10, 11, 12]

如何将其扩展为df_concatenated形式的数据框：

       0   1   2   3
file1  1   2   3   4
file2  5   6   7   8
file3  9  10  11  12

相同问题的更广泛版本。实际上，series是从以下格式的其他数据框中获得的：

DataFrame：

              0   1
file  slide        
file1 1       1   2
      2       3   4
file2 1       5   6
      2       7   8
file3 1       9  10
      2      11  12

通过对“文件”索引进行分组并串联列。

   def concat_sublevel(data):
        return np.concatenate(data.values)

   series = data.groupby(level=[0]).apply(concat_sublevel)

也许有人看到从数据帧data到df_concatenated的更好的方法。

注意。对于不同的slide值，file子索引可以具有不同数量的值。在这种情况下，我需要重复其中一行，以在所有结果行中获得相同的尺寸

Answer 1

您可以尝试使用记录中的pandas Dataframe

pd.DataFrame.from_records(series.values,index=series.index)

出局：

    0   1   2   3
file1   1   2   3   4
file2   5   6   7   8
file3   9   10  11  12

如何将具有numpy数组值的熊猫系列转换为数据框

1 个答案: