Python 将2D numpy数组转换为数据帧中的行-列值
假设我有一个2D numpy数组,如下所示:Python 将2D numpy数组转换为数据帧中的行-列值,python,pandas,numpy,Python,Pandas,Numpy,假设我有一个2D numpy数组,如下所示: arr = np.array([[1, 2], [3, 4], [5, 6]]) # array([[1, 2], # [3, 4], # [5, 6]]) 如何将其转换为“长”结构,每个值有一条记录,并与行和列索引关联?在这种情况下,它看起来像: df = pd.DataFrame({'row': [0, 0, 1, 1, 2, 2], 'column': [0, 1, 0, 1,
arr = np.array([[1, 2], [3, 4], [5, 6]])
# array([[1, 2],
# [3, 4],
# [5, 6]])
如何将其转换为“长”结构,每个值有一条记录,并与行和列索引关联?在这种情况下,它看起来像:
df = pd.DataFrame({'row': [0, 0, 1, 1, 2, 2],
'column': [0, 1, 0, 1, 0, 1],
'value': [1, 2, 3, 4, 5, 6]})
melt
仅分配列标识符,不分配行:
pd.DataFrame(arr).melt()
# variable value
# 0 0 1
# 1 0 3
# 2 0 5
# 3 1 2
# 4 1 4
# 5 1 6
有没有办法附加行标识符?将
索引传递到idvar:
pd.DataFrame(arr).reset_index().melt('index')
# index variable value
# 0 0 0 1
# 1 1 0 3
# 2 2 0 5
# 3 0 1 2
# 4 1 1 4
# 5 2 1 6
您可以重命名:
df = pd.DataFrame(arr).reset_index().melt('index')
df.columns = ['row', 'column', 'value']
melt
如果是列,则可以使用索引:
arrdf = pd.DataFrame(arr)
arrdf['row'] = arrdf.index
arrdf.melt(id_vars='row', var_name='column')
# row column value
# 0 0 0 1
# 1 1 0 3
# 2 2 0 5
# 3 0 1 2
# 4 1 1 4
# 5 2 1 6
使用NumPy获得高效的解决方案-