如何从中创建（正确）NumPy数组

Question

我试图从熊猫数据帧为“label”列创建一个NumPy数组

我的df：

      label                                             vector
0         0   1:0.044509422 2:-0.03092437 3:0.054365806 4:-...
1         0   1:-0.007471546 2:-0.062329583 3:0.012314787 4...
2         0   1:-0.009525825 2:0.0028720177 3:0.0029517233 ...
3         1   1:-0.0040618754 2:-0.03754585 3:0.008025528 4...
4         0   1:0.039150625 2:-0.08689039 3:0.09603256 4:0....
...     ...                                                ...
59996     1   1:0.01846487 2:-0.012882819 3:0.035375785 4:-...
59997     1   1:0.01435293 2:-0.00683616 3:0.009475072 4:-0...
59998     1   1:0.018322088 2:-0.017116712 3:0.013021051 4:...
59999     0   1:0.014471473 2:-0.023652712 3:0.031210974 4:...
60000     1   1:0.00888336 2:-0.006902163 3:0.022569133 4:0...

正如你们看到的，我有两个列：标签和向量。对于col标签，我使用此解决方案：

y = pd.DataFrame([df.label])

print(y.astype(float).to_numpy())

print(y)

因此，我有以下几点：

   0     1     2     3     4     5     6     7     8     9     10    11    12    13    14    15     ... 59985 59986 59987 59988 59989 59990 59991 59992 59993 59994 59995 59996 59997 59998 59999 60000
label     0     0     0     1     0     0     0     0     0     0     0     1     0     1     0     1  ...     1     1     1     0     1     0     0     1     1     1     1     1     1     1     0     1

[1 rows x 60001 columns]

但是，预期产出应为：

     0         
0    0
1    0
2    0
3    1

... ...

[60001 rows x 1 columns]  

我想要一个带有[60001 rows x 1 columns]的数组，而不是带有[1 rows x 60001 columns]的数组

谢谢你的时间

Answer 1

如果从数据帧开始

In [98]: df                                                                                            
Out[98]: 
   a  b   c   d
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

然后按名称选择一列，您将得到一个系列：

In [99]: df.a                            # df['a']                                                              
Out[99]: 
0    0
1    4
2    8
Name: a, dtype: int64
In [100]: type(_)                                                                                      
Out[100]: pandas.core.series.Series

该系列的to_numpy是一个1d数组：

In [101]: df.a.to_numpy()                                                                              
Out[101]: array([0, 4, 8])
In [102]: _.shape                                                                                      
Out[102]: (3,)

但您已经获取了该系列，并将其转换回数据帧：

In [103]: y = pd.DataFrame([df.a])                                                                     
In [104]: y                                                                                            
Out[104]: 
   0  1  2
a  0  4  8

这是你的意图吗？在任何情况下，提取的阵列都是二维的：

In [105]: y.to_numpy()                                                                                 
Out[105]: array([[0, 4, 8]])
In [106]: _.shape                                                                                      
Out[106]: (1, 3)

我们可以重塑它，或者将其“转置”：

In [107]: __.T                # reshape(3,1)                                                                         
Out[107]: 
array([[0],
       [4],
       [8]])

如果我们从y表达式中省略[]，我们将得到不同的数据帧和所需的“列”数组：

In [109]: pd.DataFrame(df.a)                                                                           
Out[109]: 
   a
0  0
1  4
2  8
In [110]: pd.DataFrame(df.a).to_numpy()                                                                
Out[110]: 
array([[0],
       [4],
       [8]])

另一个选项是选择带有列表的列：

In [111]: df[['a']]                                                                                    
Out[111]: 
   a
0  0
1  4
2  8

Series是1dnumpy数组的pandas版本。它有行索引，但没有列索引。一个DataFrame是二维的，有行和列

请记住numpy数组可以有形状（3，），（1,3）和（3,1），所有形状都具有相同的3个元素

Answer 2

我想要一个具有[60001行x 1列]的数组，而不是一个具有[1行x 60001列]的数组。：如果我正确理解您的问题，并且您需要重塑您的数组，请使用：

y = y.reshape(-1, 1)

这将把你的数组转换成一个只有一列的形状，并将自动为你确定行数（分配给-1的尺寸是根据数组尺寸和其他尺寸形状自动计算出来的）。因此，您可以执行以下任一操作：

您提议的方式+重塑：

y = pd.DataFrame([df.label]).astype(float).to_numpy().reshape(-1, 1)

或@cs95的建议答案（结果相同）：

y = df[['label']].astype(float).to_numpy()