Python 如何将多索引数据帧转换为3D数组

假设我有一个多索引数据帧：

                                c       o       l       u
major       timestamp                       
ONE         2019-01-22 18:12:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:13:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:14:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:15:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:16:00 0.00008 0.00008 0.00008 0.00008

TWO         2019-01-22 18:12:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:13:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:14:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:15:00 0.00008 0.00008 0.00008 0.00008 
            2019-01-22 18:16:00 0.00008 0.00008 0.00008 0.00008

我想从这个数据帧生成一个三维的NumPy数组，因为数据帧在主列中有15个类别，4个列，一个长度为5的时间索引。我想创建一个numpy数组，其形状为（4,15,5），分别表示（列、类别、时间索引）

应创建一个数组：

array([[[8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05],
        [8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05]],

       [[8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05],
        [8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05]],

       [[8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05],
        [8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05]],

       [[8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05],
        [8.e-05, 8.e-05, 8.e-05, 8.e-05, 8.e-05]]])

一个曾经能够通过pd面板实现这一点：

panel = pd.Panel(items=[columns], major_axis=[categories], minor_axis=[time_index], dtype=np.float32)
... 

我如何才能通过多索引数据帧最有效地实现这一点？

---

谢谢

因为

df.values

是一个

（15*100,4）

形状的数组，您可以调用

重塑

使其成为

（15,100,4）

形状的数组：

arr = df.values.reshape(15, 100, 4)

然后调用

transpose

重新排列轴的顺序：

arr = arr.transpose(2, 0, 1)

现在

arr

具有形状

（4,15100）

---

使用

重塑/转置

比

到阵列（）快约960倍。到阵列（）

使用
xarray
怎么样

res = df.to_xarray().to_array()

结果是一个形状数组（4，15，5）

事实上，这些文档现在是pandas
面板
的替代品。请注意，您必须安装
xarray
软件包。
如果短轴的长度不同，您可以尝试以下操作：

df.unstack().ffill().bfill().stack().values.reshape(*df.index.levshape,-1)

尽管如此，该面板仍然显得很尴尬，但为什么不推荐使用？
请注意，在某些情况下，对于大型数据帧，该方法可能会非常慢。我用一个有数百万个细胞的数据框做了这个尝试。根据我在列中使用的变量和在行中使用的变量，在一种情况下，时间为几秒钟，但在另一种情况下，我在大约20分钟后停止执行。这是迄今为止最好的解决方案。
to_xarray
函数在xarray 0.16.2中重新实现。现在它比以前快了几个数量级。请注意，这只适用于完全正交的情况，即当您有多个索引的所有组合，并且按正确的顺序排序时。Xarray速度慢得多，但也更健壮。to_Xarray函数在Xarray 0.16.2中重新实现。Panel被弃用，因为pandas背后的ppl只需要维护两个类，Dataframe和Series，而不是三个，他们认为多索引数据帧可以做Panel理论上可以做的任何事情（实际上，有一条学习曲线可以将面板操作映射到其等效的多索引数据帧操作）。
df.unstack().ffill().bfill().stack().values.reshape(*df.index.levshape,-1)