it-swarm.com.de

Erstellen eines Pandas-DataFrame aus einem Numpy-Array: Wie kann ich die Indexspalte und die Spaltenüberschriften angeben?

Ich habe ein Numpy-Array, das aus einer Liste von Listen besteht und ein zweidimensionales Array mit Zeilenbeschriftungen und Spaltennamen darstellt, wie unten gezeigt:

data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])

Ich möchte, dass der resultierende DataFrame Row1 und Row2 als Indexwerte und Col1, Col2 als Header-Werte enthält

Ich kann den Index wie folgt angeben:

df = pd.DataFrame(data,index=data[:,0]),

ich bin mir jedoch nicht sicher, wie ich die Spaltenüberschriften am besten zuordnen kann.

164
user3132783

Sie müssen data, index und columns im DataFrame - Konstruktor angeben, wie in:

>>> pd.DataFrame(data=data[1:,1:],    # values
...              index=data[1:,0],    # 1st column as index
...              columns=data[0,1:])  # 1st row as the column names

edit: Wie im Kommentar von @joris müssen Sie möglicherweise oben in np.int_(data[1:,1:]) ändern, um den korrekten Datentyp zu erhalten.

203
behzad.nouri

Hier ist eine leicht verständliche Lösung

import numpy as np
import pandas as pd
# Creating a 2 dimensional numpy array
data= np.array([[ 5.8,2.8], [ 6.0,2.2]])
print(data)
>>> data
array([[ 5.8,  2.8],
   [ 6. ,  2.2]])

#Creating pandas dataframe from numpy array
dataset = pd.DataFrame({'Column1':data[:,0],'Column2':data[:,1]})
print(dataset)
   Column1  Column2
0      5.8      2.8
1      6.0      2.2
21

Ich stimme mit Joris überein; es scheint, dass Sie dies anders machen sollten, wie mit numpy record arrays Ändern Sie "Option 2" von diese großartige Antwort Sie könnten es so machen:

import pandas
import numpy

dtype = [('Col1','int32'), ('Col2','float32'), ('Col3','float32')]
values = numpy.zeros(20, dtype=dtype)
index = ['Row'+str(i) for i in range(1, len(values)+1)]

df = pandas.DataFrame(values, index=index)
17
ryanjdillon

Hinzufügen zu @ behzad.nouris Antwort - wir können eine Hilfsroutine erstellen, um dieses allgemeine Szenario zu handhaben:

def csvDf(dat,**kwargs): 
  from numpy import array
  data = array(dat)
  if data is None or len(data)==0 or len(data[0])==0:
    return None
  else:
    return pd.DataFrame(data[1:,1:],index=data[1:,0],columns=data[0,1:],**kwargs)

Lass es uns ausprobieren:

data = [['','a','b','c'],['row1','row1cola','row1colb','row1colc'],
     ['row2','row2cola','row2colb','row2colc'],['row3','row3cola','row3colb','row3colc']]
csvDf(data)

In [61]: csvDf(data)
Out[61]:
             a         b         c
row1  row1cola  row1colb  row1colc
row2  row2cola  row2colb  row2colc
row3  row3cola  row3colb  row3colc
1
javadba
    >>import pandas as pd
    >>import numpy as np
    >>data.shape
    (480,193)
    >>type(data)
    numpy.ndarray
    >>df=pd.DataFrame(data=data[0:,0:],
    ...        index=[i for i in range(data.shape[0])],
    ...        columns=['f'+str(i) for i in range(data.shape[1])])
    >>df.head()
    [![array to dataframe][1]][1]

enter image description here

1
Rahul Verma

Dies kann einfach mit from_records von Pandas DataFrame durchgeführt werden

import numpy as np
import pandas as pd
# Creating a numpy array
x = np.arange(1,10,1).reshape(-1,1)
dataframe = pd.DataFrame.from_records(x)
0