如何将分组的熊猫数据帧转换为numpy 3d数组并应用右填充？

Question

为了将数据输入LSTM网络以预测剩余使用寿命（RUL），我需要创建3D numpy数组（机器数量，序列数量，变量数量）。

我已经尝试结合stackoverflow的解决方案并设法创建一个原型（您可以在下面看到）。

import numpy as np
import tensorflow as tf
import pandas as pd

df = pd.DataFrame({'ID': [1, 1, 2, 3, 3, 3, 3],
                   'V1': [1, 2, 2, 3, 3, 4, 2],
                   'V2': [4, 2, 3, 2, 1, 5, 1],
                  })

df_desired_result = np.array([[[1, 4], [2, 2], [-99, -99]],
                       [[2, 3], [-99, -99], [-99, -99]],
                       [[3, 2], [3, 1], [4, 5]]])

max_len = df['ID'].value_counts().max()

def pad_df(df, cols, max_seq, group_col= 'ID'):
    array_for_pad = np.array(list(df[cols].groupby(df[group_col]).apply(pd.DataFrame.as_matrix)))
    padded_array = tf.keras.preprocessing.sequence.pad_sequences(array_for_pad,
                                                                 padding='post',
                                                                 maxlen=max_seq,
                                                                 value=-99
                                                                )
    return padded_array

#testing prototype
pad_df(df, ['V1', 'V2'], max_len)

但是，当我将上述代码应用于数据时，它将正确应用右填充，但所有值均设置为0.0。 我无法完全弄清楚这种行为，我注意到在函数的第一行中，我返回了一个带有嵌套数组的数组，该数组带有“ array_for_pad”的嵌套数组。 这是结果的屏幕截图： result padding