pandas 如何在DataFrame中展开数组列、应用函数并恢复结构？

nxowjjhe 于 2022-12-16 发布在其他

关注(0)|答案(1)|浏览(226)

我有一个DataFrame，它有两列，第二列包含形状不同的numpy数组（这里是：(2, 1)、(2, 2)、(2, 3)）。示例：

class                         data
0      0                  [[3], [17]]
1      1            [[9, 5], [8, 19]]
2      1  [[8, 16, 13], [17, 19, 10]]

现在我想将data列扁平化以得到一个1D数组[3, 17, 9, 5, 8, 19, 8, 16, 13, 17, 19, 10]，对这个向量应用一个函数，并恢复DataFrame的原始形状。例如，如果我想从所有元素中减去向量的平均值，所需的输出如下：

class                      data
0      0               [[-9], [5]]
1      1       [[-3, -7], [-4, 7]]
2      1  [[-4, 4, 1], [5, 7, -2]]

如何才能最好地实现这种转变？
编辑@mozway：
我生成的DataFrame如下所示：

data = []

np.random.seed(8)

for i in range(1, 4):
    data.append(np.random.randint(0, 20, (2, i)))

category = {"class": [0, 1, 1]}
df = pd.DataFrame(category)
df["data"] = data

用于变换前面提到的1D阵列的函数将是arr -= np.mean(arr)。

pandas

来源：https://stackoverflow.com/questions/74789059/how-to-flatten-a-column-of-arrays-in-dataframe-apply-a-function-and-restore-th

1条答案

按热度按时间

liwlm1x91#

假设flat是一个数组，如下所示：

[-9.  5. -3. -7. -4.  7. -4.  4.  1.  5.  7. -2.]

一种办法可以是：

def nested_unflatten(da, placeholder):
    res = []
    for e in placeholder:
        if isinstance(e, Iterable):
            res.append(nested_unflatten(da, e))
        else:
            res.append(next(da))
    return res

flat = np.array([-9.,  5., -3., -7., -4.,  7., -4.,  4.,  1.,  5.,  7., -2.])
un_flat = nested_unflatten(iter(flat), df["data"])
print(un_flat)

产出

[[[-9.0], [5.0]], [[-3.0, -7.0], [-4.0, 7.0]], [[-4.0, 4.0, 1.0], [5.0, 7.0, -2.0]]]

如果您还对flatten函数感兴趣：

def flatten(da):
    res = []
    for e in da:
        if isinstance(e, Iterable):
            res.extend(flatten(e))
        else:
            res.append(e)
    return res

它可用于从示例中获取flat，如下所示：

flat = np.array(flatten(df["data"]), dtype=np.float64)
 flat -= np.mean(flat)

赞(0）回复(0）举报 2022-12-16

我来回答

pandas 如何在DataFrame中展开数组列、应用函数并恢复结构？

1条答案

相关问题

热门标签

最新问答