Python 从dict值为numpy数组的字典创建数据帧

我想从一个字典中创建一个数据帧，其中的值是2D numpy数组

my_Dict={'a': array([[1, 2, 3],[4, 5, 6]]), 'b': array([[7,8,9],[10,11,12]]),'c': array([[13,14,15],[16,17,18]])}

我希望结果是一个包含2行（numpy数组中的行数）和3列的数据帧，如下所示：

       a         b          c

0  [1, 2, 3]   [7,8,9]    [13,14,15]

1  [4, 5, 6]  [10,11,12] [16,17,18]

我尝试将值更改为list，结果成功了。但我想将这些值保留为np数组，以便将numby函数应用于这些值

>>> list(np.array([[1, 2, 3],[4, 5, 6]]))
[array([1, 2, 3]), array([4, 5, 6])]
>>>

将每列的二维数组转换为两个一维数组的列表

d = {'a': np.array([[1, 2, 3],[4, 5, 6]]),
      'b': np.array([[7,8,9],[10,11,12]]),
      'c': np.array([[13,14,15],[16,17,18]])}

df = pd.DataFrame({k:list(v) for k,v in d.items()})

>>> df
           a             b             c
0  [1, 2, 3]     [7, 8, 9]  [13, 14, 15]
1  [4, 5, 6]  [10, 11, 12]  [16, 17, 18]
>>> 

>>> df.loc[0,'a']
array([1, 2, 3])
>>> df['a'].values
array([array([1, 2, 3]), array([4, 5, 6])], dtype=object)
>>> df.values
array([[array([1, 2, 3]), array([7, 8, 9]), array([13, 14, 15])],
       [array([4, 5, 6]), array([10, 11, 12]), array([16, 17, 18])]],
      dtype=object)
>>>

---

也许，为了解决为什么要这样做，我会建议创建一个多级数据帧

鉴于：

import numpy as np
myDict = {'a': np.array([[1, 2, 3],[4, 5, 6]]),
          'b': np.array([[7,8,9],[10,11,12]]),
          'c': np.array([[13,14,15],[16,17,18]])}

将每个阵列转换为一个单独的数据帧，并通过concat获得2级df

df = pd.concat([pd.DataFrame(v) for k, v in myDict.items()], axis = 1, keys = list(myDict.keys()))

print(df)
   a         b           c        
   0  1  2   0   1   2   0   1   2
0  1  2  3   7   8   9  13  14  15
1  4  5  6  10  11  12  16  17  18

这允许数据帧的内部结构是numpy数组，而不是处理对象。（这有助于提高某些操作的速度，而不是在对数据类型为object的列进行操作时总是求助于迭代。）

您仍然可以索引：

print(df['a'])
   0  1  2
0  1  2  3
1  4  5  6

还可以直接或使用

.values

df['a'] = df['a'].values * 10

print(df)
    a           b           c        
    0   1   2   0   1   2   0   1   2
0  10  20  30   7   8   9  13  14  15
1  40  50  60  10  11  12  16  17  18

---

只是想知道，一列中的所有值是否都具有相同的长度？（因为如果是，您最好将它们保存为3列而不是1列，并且仍然能够在基础数组上使用所有numpy操作）谢谢您的评论。稍后我想将这个数据框与另一个数据框合并，这些列表示某些结果的不同属性的值。这就是为什么每列引用一个属性对我来说很重要的原因。在这种情况下，让我写一个建议供您在这里使用。

…数据帧的内部结构是numpy数组，而不是处理对象。

-为什么这样做有利？我说错了吗？？？我在问-我不使用多索引/继承人数据帧/系列，也没有很好的理解。直观地说，我认为与生成对象数据帧的解决方案相比，我的解决方案有一个优势。是的，coldspeed证实了这一点，部分引用：“并且对象上的所有操作都返回到一个缓慢、循环的实现。”这很好-thnx coldspeed:）。即使不知道OP将执行什么操作，我也怀疑我的解决方案最多也会有相同的性能，并且很可能比使用您的解决方案的操作更糟糕。