Python 熊猫是什么？专家组的反对警告到底是什么？

我有一个使用pandas面板生成多索引pandas数据帧的包。但是，每当我使用pandas.Panel时，我都会得到以下DeprecationError：

弃用警告： 面板已弃用，将在将来的版本中删除。 建议通过Panel.to_frame（）方法在数据帧上使用多索引来表示这些类型的三维数据。 或者，您可以使用xarray包。 Pandas提供了一个

.to_xarray（）

方法来帮助自动完成此转换

然而，我不明白这里的第一条建议是什么，以便创建多索引数据帧。如果要移除面板，我将如何使用Panel.to_frame

---

澄清一下：我不是在问什么是弃用，或者如何将面板转换为数据帧。我想问的是，如果我在库中使用pandas.Panel和pandas.Panel.to_frame从3D Ndarray创建多索引数据帧，并且面板将被弃用，那么在不使用Panel API的情况下创建这些数据帧的最佳选项是什么

例如，如果我在做下面的事情，用X作为一个有形状（N，J，K）的数组：

---

这显然不再是数据帧构造的一个可行的、经得起未来考验的选项，尽管它是中的推荐方法。

考虑以下面板：

data = np.random.randint(1, 10, (5, 3, 2))
pnl = pd.Panel(
    data, 
    items=['item {}'.format(i) for i in range(1, 6)], 
    major_axis=[2015, 2016, 2017], 
    minor_axis=['US', 'UK']
)

如果将其转换为数据帧，则会变成：

             item 1  item 2  item 3  item 4  item 5
major minor                                        
2015  US          9       6       3       2       5
      UK          8       3       7       7       9
2016  US          7       7       8       7       5
      UK          9       1       9       9       1
2017  US          1       8       1       3       1
      UK          6       8       8       1       6

因此，它将长轴和短轴作为行多索引，将项作为列。形状变成了（6，5），原来是（5，3，2）。在何处使用多重索引取决于您，但如果您想要完全相同的形状，可以执行以下操作：

data = data.reshape(5, 6).T
df = pd.DataFrame(
    data=data,
    index=pd.MultiIndex.from_product([[2015, 2016, 2017], ['US', 'UK']]),
    columns=['item {}'.format(i) for i in range(1, 6)]
)

这将产生相同的数据帧（如果要命名索引，请使用

pd.MultiIndex.from_product

的

names

参数）：

现在不再使用

pnl['item1']

，而是使用

df['item1']

（可选

df['item1'].unstack（）

）；您使用的不是

pnl.xs（2015）

而是

df.xs（2015）

，而不是

pnl.xs（'US'，axis='minor'）

，您使用的是

df.xs（'US'，level=1）

---

如您所见，这只是将最初的3D numpy阵列重塑为2D的问题。在多重索引的帮助下添加其他（人工）维度

如果您现在

Panel.to_frame（）

，您将不再拥有任何面板数据？这是针对包的，而不是特定的数据集。如果不推荐使用Panel，那么初始的Panel生成将不起作用。我想问的是，为什么这里推荐的替代方法是使用将不推荐使用的方法，尽管我现在似乎从这里的注释中得到了答案。您是否正在构建使用Panel的API？或者你正在调用一些返回面板的代码？我已经在问题中澄清了这一点，对不起-我都是从3D数据阵列生成面板，然后将其转换为数据帧。啊，很好，我只是做了几乎完全相同的事情，但缺少转置，所以数字排列不太正确@JohnE Yeah axis=0变为axis=1，带有

到_帧

，这不是很直观。再说一次，面板的任何内容对我来说都不是直观的。：）

data = data.reshape(5, 6).T
df = pd.DataFrame(
    data=data,
    index=pd.MultiIndex.from_product([[2015, 2016, 2017], ['US', 'UK']]),
    columns=['item {}'.format(i) for i in range(1, 6)]
)

         item 1  item 2  item 3  item 4  item 5
2015 US       9       6       3       2       5
     UK       8       3       7       7       9
2016 US       7       7       8       7       5
     UK       9       1       9       9       1
2017 US       1       8       1       3       1
     UK       6       8       8       1       6