Python 将三维熊猫数据帧转换为Numpy ndarray

我有一个像这样的数据帧

xs = pd.DataFrame({
    'batch1': {
        'timestep1': [1, 2, 3],
        'timestep2': [3, 2, 1]
    }
}).T

我想把它转换成一个形状的numpy数组（批处理、时间步、特征）。对于

xs

，应为（1,2,3）

问题是熊猫只知道2D形状，所以

to_numpy

生成2D形状

xs.to_numpy().shape  # (1, 2)

类似地，这会阻止使用

np.reformate

，因为numpy似乎不会将最里面的维度视为数组

xs.to_numpy().reshape((1,2,3))  # ValueError: cannot reshape array of size 2 into shape (1,2,3)

[编辑]添加数据帧如何到达此状态的上下文

数据帧最初以

xs = pd.DataFrame({
    ('batch1','timestep1'): {
            'feature1': 1,
            'feature2': 2,
            'feature3': 3
        },
    ('batch1', 'timestep2'): {
            'feature1': 3,
            'feature2': 2,
            'feature3': 1
        }
    }
).T

我使用

xs.apply(pd.DataFrame.to_numpy, axis=1).unstack()

输出：

       timestep1 timestep2
batch1         1         3
batch1         2         2
batch1         3         1 

[[[1 3 2]
  [2 3 1]]]

[[[1 2 3]
  [3 2 1]]

 [[4 5 6]
  [7 8 9]]]

编辑 从原始数据帧开始，您可以执行以下操作：

xs = pd.DataFrame({
    ('batch1','timestep1'): {
            'feature1': 1,
            'feature2': 2,
            'feature3': 3
        },
    ('batch1', 'timestep2'): {
            'feature1': 3,
            'feature2': 2,
            'feature3': 1
        },
    ('batch2','timestep1'): {
            'feature1': 4,
            'feature2': 5,
            'feature3': 6
        },
    ('batch2', 'timestep2'): {
            'feature1': 7,
            'feature2': 8,
            'feature3': 9
        }
    }
).T


array = xs.to_numpy().reshape(2,2,3)
print(array)

输出：

       timestep1 timestep2
batch1         1         3
batch1         2         2
batch1         3         1 

[[[1 3 2]
  [2 3 1]]]

[[[1 2 3]
  [3 2 1]]

 [[4 5 6]
  [7 8 9]]]

---

你看过numpy生产什么了吗？（不仅仅是它的形状）是的。它通常会生成正确的形状，即

xs.to_numpy（）.shape#（1,2）

，如果检查最里面的尺寸，可以看到正确的长度：

xs.to_numpy（）[0][0]。shape#（3,2）

。我想，我一直在努力将最内层的形状提升一个层次。如果数据帧是以多索引开始的，那么爆炸/掉落可以避免吗？i、 e.（批处理，时间步长）=[功能]您能展示一下如何在这样的多索引中转换数据帧吗？当然。编辑了问题描述。请参阅文章中的编辑。谢谢！问题是我原来的数据帧是参差不齐的。一个是我将所有的时间步都调平了，我可以

到_numpy（）。按照预期重塑

。