Python （x，）在NumPy形状中表示什么？

我一直在努力寻找（x，）在NumPy形状中到底表示什么？从外观上看，我知道它说明数组中有“x”个列/元素，基本上是1D数组

但我的问题是，这里（x，）后面的逗号表示什么？我问这个问题是因为，我试图创建一个数据帧，但它给了我一个错误：

ValueError: Shape of passed values is (3, 1), indices imply (1, 3)

我的代码：

price = np.array([10, 8, 12])

df_price = pd.DataFrame(price, 
                        index=(["Price"]),
                        columns=(["Almond Butter","Peanut Butter", "Cashew Butter"]))

---

有人能告诉我为什么这个“价格”数组的形状是（3,1）吗？事实并非如此。它是（3，）--就是这样。

当试图从平面阵列创建Pandas数据帧时，该阵列必须转换为某种2D形式，因为Pandas数据帧几乎总是2D的

出现这个问题是因为您有一行三列，所以数据数组的形状应该是

（1，3）

。

pd.DataFrame

构造函数必须将维度添加到数组的末尾，并假定第一个维度中的每个项都是DataFrame中的一行

一个简单的修复方法是将数据数组的行数改为列数

price = np.array([10, 8, 12]).reshape(1, -1)

---

上面的

.reformate

调用中的

-1

告诉函数推断该轴的长度。

对错误的完整回溯表明

DataFrame

对输入进行了大量处理

In [336]: pd.DataFrame(np.arange(1,4),  
     ...:                         index=(["Price"]), 
     ...:                         columns=(["Almond Butter","Peanut Butter", "Cashew Butter"]))      
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/pandas/core/internals/managers.py in create_block_manager_from_blocks(blocks, axes)
   1653                 blocks = [
-> 1654                     make_block(values=blocks[0], placement=slice(0, len(axes[0])))
   1655                 ]

/usr/local/lib/python3.6/dist-packages/pandas/core/internals/blocks.py in make_block(values, placement, klass, ndim, dtype)
   3052 
-> 3053     return klass(values, ndim=ndim, placement=placement)
   3054 

/usr/local/lib/python3.6/dist-packages/pandas/core/internals/blocks.py in __init__(self, values, placement, ndim)
    124             raise ValueError(
--> 125                 f"Wrong number of items passed {len(self.values)}, "
    126                 f"placement implies {len(self.mgr_locs)}"

ValueError: Wrong number of items passed 1, placement implies 3

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
<ipython-input-336-43d59803fb0f> in <module>
      1 pd.DataFrame(np.arange(1,4), 
      2                         index=(["Price"]),
----> 3                         columns=(["Almond Butter","Peanut Butter", "Cashew Butter"]))

/usr/local/lib/python3.6/dist-packages/pandas/core/frame.py in __init__(self, data, index, columns, dtype, copy)
    462                 mgr = init_dict({data.name: data}, index, columns, dtype=dtype)
    463             else:
--> 464                 mgr = init_ndarray(data, index, columns, dtype=dtype, copy=copy)
    465 
    466         # For data is list-like, or Iterable (will consume into list)

/usr/local/lib/python3.6/dist-packages/pandas/core/internals/construction.py in init_ndarray(values, index, columns, dtype, copy)
    208         block_values = [values]
    209 
--> 210     return create_block_manager_from_blocks(block_values, [columns, index])
    211 
    212 

/usr/local/lib/python3.6/dist-packages/pandas/core/internals/managers.py in create_block_manager_from_blocks(blocks, axes)
   1662         blocks = [getattr(b, "values", b) for b in blocks]
   1663         tot_items = sum(b.shape[0] for b in blocks)
-> 1664         construction_error(tot_items, blocks[0].shape[1:], axes, e)
   1665 
   1666 

/usr/local/lib/python3.6/dist-packages/pandas/core/internals/managers.py in construction_error(tot_items, block_shape, axes, e)
   1692     if block_shape[0] == 0:
   1693         raise ValueError("Empty data passed with indices specified.")
-> 1694     raise ValueError(f"Shape of passed values is {passed}, indices imply {implied}")
   1695 
   1696 

ValueError: Shape of passed values is (3, 1), indices imply (1, 3)

与（3,1）输入相同：

但是你想要一个（1,3）：

numpy

广播可以将（3，）数组扩展到（1,3），但这不是

DataFrame

所做的

根据您对它的看法，熊猫数据帧可能看起来是2d numpy数组的转置。序列是一维的，但垂直显示。数据帧索引优先于列。在探索底层数据存储和

值/to_numpy（）

输出之间的联系时，我也看到了转换。细节很复杂。请注意，回溯讨论了“block_manager”等

In [342]: pd.Series(np.arange(1,4))                                                                  
Out[342]: 
0    1
1    2
2    3
dtype: int64

我的问题是，这里（x，）后面的逗号表示什么

---

此语法是通用Python，不特定于Numpy。在这种情况下，当我们想要创建一个元组时，我们会添加一个逗号。您应该熟悉元组，如

（3,4）

。但是，如果我们想创建一个只有一个元素的元组呢。您可以尝试

（3）

，但现在Python将括号解释为数学表达式中的分组运算符，与我们使用括号时的方式相同，如

（3+4）*5

。这意味着

（3）

只是整数值

3

，而不是元组。因此，我们添加一个逗号

（3，）

来创建一个包含单个元素的元组。

在通用Python语法中，

（3，）

表示一个元组，其中数字3是唯一的元素。@Oso-

（3，）

不是

（3，1）

的缩写。它们有相同数量的元素，但第一个是1D，第二个是2D。你完全正确，我在考虑另一个库。所以这里的问题是数组被转置了？嗨@jakub，是的，我知道一个是1D，第二个是2D。但我的问题仍然存在。这里（x，）后面的逗号表示什么？因为，我在基于以下错误创建数据帧时遇到了问题：ValueError：传递值的形状是（3,1），索引暗示（1,3）。如果它是一维数组，那么为什么这个错误显示它是二维（3,1）？这是否回答了您的问题？哦，对了。我是否应该考虑并注意到熊猫数据文件总是与2D等阵列一起工作，而不是用1D或0D来工作？数据文件的1D变体是<代码>熊猫。系列< /代码>。您可能可以制作0D系列或数据帧，但它不会有用：）是的，我知道熊猫。实际上是系列。但是我们是从一个Numpy数组构建这个数据帧的。这就是为什么。：-）

In [339]: pd.DataFrame(np.arange(1,4)[:,None])   # (3,1) input                                                    
Out[339]: 
   0
0  1
1  2
2  3

In [340]: pd.DataFrame(np.arange(1,4)[None,:])  # (1,3) input                                                     
Out[340]: 
   0  1  2
0  1  2  3

In [342]: pd.Series(np.arange(1,4))                                                                  
Out[342]: 
0    1
1    2
2    3
dtype: int64