如何使用 numpy 或 pandas 创建（或更改）数组/列表的维度？

Posted 2023-03-11

【中文标题】如何使用 numpy 或 pandas 创建（或更改）数组/列表的维度？

【英文标题】：How to create (or change) the dimensions of an array/list using numpy or pandas?

【发布时间】：2020-10-14 06:17:50

【问题描述】：

我正在尝试创建一个 pandas DataFrame 来收集我拥有的所有内容，但是我很难将列表中的 numpy 数组组合成一个数组。

假设我有以下数据：

df0 = pd.DataFrame([[1,2],[2,2],[3,1],[4,4],[5,4]], columns = ['A','B'])

switch = [[1,3,4],[2,5]]

collect = []
for lists in switch:
    mask = df0.A.isin(lists)
    avg = df0[mask].mean().round(2)
    collect.append(avg)
    collect.append((avg[0]**2+avg[1]+2).round(2))

这会产生以下输出：

[A    2.67
 B    2.33
 dtype: float64,
 11.46,
 A    3.5
 B    3.0
 dtype: float64,
 17.25]

但是，我想要以下输出：

 A     B      C
2.67  2.33  11.46
3.5   3.0   17.25

但我无法创建 2x3 矩阵，因为 len(collect) 为 4。我认为我在 for 循环中没有以正确的方式使用 .append。如何创建 len(collect) 为 2 或 6 的数组（或列表）？我在想如果它的长度为 2，我们可以简单地转置 collect，或者它的长度为 6，我们可以重塑它。

【参考方案1】：

其他解决方案在这里

import pandas as pd
df0 = pd.DataFrame([[1,2],[2,2],[3,1],[4,4],[5,4]], columns = ['A','B'])

switch = [[1,3,4],[2,5]]

collect = []
def calc(first,second):
   cal=((first**2+second+2).round(2))
return cal

for lists in switch:
   mask = df0.A.isin(lists)
   avg = df0[mask].mean().round(2)
   collect.append(avg)

df=pd.DataFrame(collect)
df['c']='None'
for i in range(2) : 
   list=[df.apply(lambda row : calc(df.loc[i, "A"], df.loc[i, "B"]),axis=1) ]
   df['c'][i]=list[0][i]


print(df)

输出

    A   B   c
0   2.67    2.33    11.46
1   3.50    3.00    17.25

【参考方案2】：

我的做法：

(df0.groupby(pd.Series(x-1:k for k,v in enumerate(switch) for x in v))
    .mean()
    .assign(C=lambda x: x['A']**2 + x['B']+2)
    .round(2)
)

输出：

      A     B      C
0  2.67  2.33  11.44
1  3.50  3.00  17.25