Python 熊猫：将二维数据帧转换为三维数据帧

我有一个数据框，如：

     p1 p2 p3
t1   a  b  c
t2   d  e  f
t3   g  h  i

我想要几个df（或一个xarray），每个t（y轴）一个 比如：

对于t1:pn减去t1的pn的值：

     p1    p2   p3
p1   a-a  b-a  c-a 
p2   a-b  b-b  c-b
p3   a-c  b-c  c-c

t2、t3等的idem

我做了一个像这样的循环

for t in tlist :
    for p in plist :
        for q in plist :
            res = p - q

但是它又大又慢

---

所以，如果有人知道一种蟒蛇式的方法，他是非常受欢迎的

这可以通过广播实现：

df = pd.DataFrame([[0,1,2],[3,6,8]])

# update as commented by piRSquared
a = df.to_numpy()    # use a=df.values if on Pandas < 0.24

a  = (a[:, None, :] - a[:,:,None]).reshape(-1, df.shape[1])

idx = pd.MultiIndex.from_product((df.index,df.columns), names=('t','p'))
pd.DataFrame(a, index=idx, columns=df.columns)

---

这可以用一种非常简单的方式利用numpy的。让我们尝试以下方法：

a = np.random.randint(1,10,(3,3))

print(a)
array([[9, 6, 4],
       [2, 3, 6],
       [8, 9, 2]])

a[:,None] - a[...,None]

array([[[ 0, -3, -5],
        [ 3,  0, -2],
        [ 5,  2,  0]],

       [[ 0,  1,  4],
        [-1,  0,  3],
        [-4, -3,  0]],

       [[ 0,  1, -6],
        [-1,  0, -7],
        [ 6,  7,  0]]])

---

这是通过向阵列添加新轴来实现的，通过这种方式减去这些轴可以产生所需的笛卡尔操作，因为：

print(a[:,None])

array([[[9, 6, 4]],

       [[2, 3, 6]],

       [[8, 9, 2]]])

print(a[...,None])

array([[[9],
        [6],
        [4]],

       [[2],
        [3],
        [6]],

       [[8],
        [9],
        [2]]])

---

使用

来计算数值

而不是

值

。将结果分配给中间结果，以避免将

运行到\u numpy

两次。（

a=df.to_numpy（）；a=（a[：，None，：]-a[：，：，None]）。重塑（-1，df.shape[1]）

。回答棒极了（：谢谢，更新了。虽然我不知道为什么文档建议

to_numpy（）

而不是

。值

。对我来说，它更长，更难键入：-）对我来说也是如此。@piRSquared quared@quanthong

to_numpy

vs

。值

是。快速阅读后，它确实清楚了为什么要将

.to_numpy（）

作为一种方法（具有参数选项，例如

dtype=

），而不是普通属性

。值

。它对我有用，我不知道广播……非常感谢！

print(a[:,None])

array([[[9, 6, 4]],

       [[2, 3, 6]],

       [[8, 9, 2]]])

print(a[...,None])

array([[[9],
        [6],
        [4]],

       [[2],
        [3],
        [6]],

       [[8],
        [9],
        [2]]])