Python 基于二维阵列填充三维阵列的有效方法是什么？

假设我有一个2d数组

a = np.array([[0,2,3],[4,2,1]])

维度是

实例数*3

，其中2d数组中的值表示数据帧中的行索引

b = np.empty(2,3,4)

我有一个

数据帧

：

df = pd.DataFrame(np.array([[10, 10, 10, 10], [11, 11, 11, 11], [12, 12, 12, 12], [13, 13, 13, 13], [14, 14, 14, 14]]), columns = list('ABCD'))

Out[23]: 
   A   B   C   D
0  10  10  10  10
1  11  11  11  11
2  12  12  12  12
3  13  13  13  13
4  14  14  14  14

现在我有了一个零3d数组，我尝试用

pandas dataframe

中的值填充3d数组

b = np.empty(2,3,4)

维度是

number\u of_instances*3*number\u of_features

，其中

number\u of_features

通过2d数组中相应的行索引从

数据帧中提取

理想情况下，我希望b看起来像：

Out[24]:
array([[[10, 10, 10, 10],
        [12, 12, 12, 12],
        [13, 13, 13, 13]],
       [[14, 14, 14, 14],
        [12, 12, 12, 12],
        [11, 11, 11, 11]]])

填充此3d阵列的最有效方法是什么？
看起来您只需要索引

df.to_numpy()[a]


那么：

df.loc[a.ravel()].values.reshape((2,3,4))

输出：

array([[[10, 10, 10, 10],
        [12, 12, 12, 12],
        [13, 13, 13, 13]],

       [[14, 14, 14, 14],
        [12, 12, 12, 12],
        [11, 11, 11, 11]]])

您需要的是官方numpy文档中的高级索引

例如，对于您的工作示例，您应该执行以下操作

首先，通过调用df.values访问与数据帧的值相对应的numpy数组。然后，简单地做：

df.values[[[0,1,3],[4,2,1]],:]

你就完了

上面的索引将两个对象的列表传递给数组。第一个是[[0,1,3]，[4,2,1]]，第二个是：。第一个用于索引1轴（行），第二个用于索引2轴（列）

：符号仅返回所有列

现在，对于行，有两个列表：[[0,1,3]，[4,2,1]]。这个构造将返回两个数组，就像您想要的一样。第一个数组将包含行0、1和3，第二个数组将包含行4、2和1

Numpy很强大。通过利用索引的功能，您可以做很多事情

编辑：注意变量a中已经有列表[[0,1,3]，[4,2,1]]。因此，df.values[a]将完成这项工作，正如前面提到的。这是因为：列参数在本例中是可选的。但是查看完整的符号是很有用的