Python 将Pandas timeseries数据帧转换为3D阵列

我有一个时间索引数据框，有两列“用户ID”和“每日余额”。数据框显示了2018年4月用户的每日余额（每个用户观察30次）。我需要从该数据帧生成一个3D numpy数组，其中shape（N（数据帧中的用户数量）、30（每日日期）、1（余额））保存相应的值。有谁能帮我一个代码来做这件事吗。例如，如果数据帧中有100个用户，我得到一个形状为（100,30,1）的数组，相当于100个2D数组，每个数组有30行和一列

---

谢谢

我假设您只想在最终3D数组中保留每日余额值，在该数组中检索

第j个
日
用户的
余额，您可以执行
arr[I-1，j-1，0]

如果这是真的，那么您首先需要按照
USER\u ID
和
DATE
对数据帧进行排序，然后获取numpy数组，最后对其进行
整形

n_users = len(df.USER_ID.unique())
n_days = len(df.DATE.unique())

arr = df.sort_values(by=['USER_ID', 'DATE'])['Daily_BALANCE'].values.reshape(n_users, n_days, 1)

当您有100个用户和30天时，每个用户每天将有30个平衡值，因此3D阵列的形状将是（100、30、30）。对吗？在这种情况下，我强烈建议创建一个而不是3D numpy阵列。这正是我所需要的。我不知道重塑功能，非常感谢您提供的信息：）