Python 如何在pd.Dataframe中存储不同形状但形状相同[0]的Ndarray？

例如，我有

a = np.zeros((5, 6, 7))
b = np.ones((5, 8, 9, 10))

我想要

df = pd.Dataframe()
df["a"] = a
df["b"] = b

我明白了

AssertionError:新值的形状必须与manager兼容 形状

我希望Df有2列和5行。投票时

a_polled = df["a"]
b_polled = df["b"]

我想

np.testing.assert_almost_equal(a, a_polled)
np.testing.assert_almost_equal(b, b_polled)

通过

---

我如何做到这一点？

这不是熊猫数据帧的工作方式。数据帧是二维的

二维、大小可变、潜在异构的表格数据

对于N维数据，使用s（即N-d维数组）

---

一个数据帧中可能有许多维度，但强烈建议不要这样做。方法是在每个单元中存储多维对象。但是，由于该库不是为处理n-dim数据而构建的，因此您将失去它附带的所有额外功能（即没有矢量化、没有n维索引匹配、没有n维合并等）。

为什么您希望有5行？@rafaelc，因为a.shape[0]和b.shape[0]==5看起来熊猫不适合使用。然而，numpy也不够好，因为我失去了pandas提供的“类似数据库”的功能。有什么东西支持我的用例吗？你需要什么样的数据库操作？将这两个数组合并到一个大数组中对我来说毫无意义。它类似于在二维空间中，试图将矩阵

2x5

和

2x3

连接到一个矩阵中-你不能这样做，除非你用

NaN

s或0填充较小的矩阵以匹配较大的矩阵形状。如果是这种情况，

ndarrays

应该可以正常工作-您只需将

a

重塑为

b

size@Gulzar我认为你的问题的根源在于你仍然不知道你想做什么，因此很难找到一个解决方案来解决一个没有明确定义的问题。但让我为你勾勒出一些要点。。（一）

groupby

可以使用

itertools.groupby

在多个维度中完成，所以您可能想看看。（二） 为什么是熊猫？因为它是人性化的，并且因为它包装了numpy的一些功能而没有太多的性能损失。例如，您命名了人类喜爱的指数（例如列）……想象一下一个股票价格的数据框架，其中列有“高”、“收盘”、“开盘”、“成交量”和“前一天收盘”。如果没有列名，几乎可以使用此数据集。此外，假设您还想要一个股票代码（即股票符号，如亚马逊的AMZN）。在numpy数组中，您不能（或至少不应该）使用不同的

类型拥有不同的维度，但在pandas中，您可以！并且仍然可以对每个单独的列以矢量化的方式进行操作。当然，还有很多其他的观点需要说明，但一般来说，对于二维场景，人类更喜欢熊猫。你是对的，你的解释对我来说很有启发性