我在熊猫数据框中具有以下内容：
z | x | y | hash
_________________
a | 0.0 | 1.0 | abcd
b | 1.0 | 1.0 | efghj
c | 1.0 | 0.0 | iklmno
d | 0.0 | 0.0 | pqrs
（其中Z代表数字高程，x和y为经度，长度，而哈希为geohash）
为了找到最接近的n个geohash位置，我想将其转换为2d numpy数组，以便将该位置保留在数组的结构中：
[["pqrs","abcd"],
["iklmno","efghj"]]
原始数据帧的长度超过2,000,000个条目，并且是对形状为（7875，14644）的栅格进行地理哈希处理的结果。
在哈希处理过程中丢失了一些信息，因此我不能简单地将数据帧转换为numpy数组并使用numpy.reshape()。我已经尝试过涉及numpy.meshgrid()的解决方案（详细说明Here），但是我的系统没有足够的内存来容纳网格对象。
我也尝试过使用“ r”光栅化数据框，但是这使我的系统崩溃了。
任何建议都将大有帮助！谢谢SO社区