如何将包装为字符串的向量转换为熊猫数据框中的numpy数组？

Posted 2023-03-12

【中文标题】如何将包装为字符串的向量转换为熊猫数据框中的numpy数组？

【英文标题】：How to convert vector wrapped as string to numpy array in pandas dataframe?

【发布时间】：2018-01-24 02:11:43

【问题描述】：

我有一个带有一列向量的 pandas 数据框，我想对其执行矩阵算术运算。然而，仔细观察后，这些向量都被包装成字符串，其中似乎嵌入了换行符：

如何将此列中的每个向量转换为 numpy 数组？我试过了

df['Word Vector'].as_matrix

和

np.array(df['Word Vector'])

还有

df['Word Vector'] = df['Word Vector'].astype(np.array)

但没有一个产生预期的结果。任何指针将不胜感激！

【问题讨论】：

提供一个我们可以试验的数据示例。

@MedAli 最好的方法是什么？我不确定生成这种格式的过程，如何将数据帧的样本上传到 ***？

【参考方案1】：

希望以下工作如您所愿

import pandas as pd
import numpy as np

x = str(np.arange(1,100))
df = pd.DataFrame([x,x,x,x])
df.columns = ['words']
print 'sample'
print df.head()
result = df['words'].apply(lambda x: 
                           np.fromstring(
                               x.replace('\n','')
                                .replace('[','')
                                .replace(']','')
                                .replace('  ',' '), sep=' '))
print 'result'
print result

输出如下

    sample
                                               words
0  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
1  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
2  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
3  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
result
0    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...
1    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...
2    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...
3    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...

这么多次调用replace函数并不优雅。但是我没有找到更好的方法。无论如何，它应该可以帮助您将字符串转换为向量。

附注，由于数据显示在图片中，您最好检查您的数据分隔是通过空格还是制表符完成的。如果是tab，将sep=' '改为sep='\t'

【参考方案2】：

这对我来说适用于 Pandas 列中的字符串列表：

df['Numpy Word Vector'] = df['Word Vector'].apply(eval).apply(np.array)

【参考方案3】：

下面的解决方案更短：

df[col_name] = df[col_name].apply(lambda x: np.array(eval(x)), 0)

例子：

df = pd.DataFrame(['[0., 1., 2., 3.]', '[1., 2., 3., 4.]'], columns=['Word Vector'])
df['Word Vector'][0] # '[0., 1., 2., 3.]'

df['Word Vector'] = df['Word Vector'].apply(lambda x: np.array(eval(x)), 0)
df['Word Vector'][0] # array([0., 1., 2., 3.])