tuple_columns = ('distance', 'speed', 'momentum', 'name', 'friend') tuple_input = [ (3, 4, 6, 'er', 'ere'), (3, 4, 6, 'er', 'ere'), (3, 4, 6, 'er', 'ere'), (3, 4, 6, 'er', 'ere'), ]
从这个最初是水平元组列表的数据集中创建垂直列的numpy数组的最佳方法是什么？
qlfbtfca1#
numpy array不允许使用不同类型的数组，因此不能直接使用同时具有int和str的数组，有一种解决方法：
new_arr = np.array(tuple_input, dtype=object)
它给出以下数组
[[3 4 6 'er' 'ere'] [3 4 6 'er' 'ere'] [3 4 6 'er' 'ere'] [3 4 6 'er' 'ere']]
另外，如果希望每个元组都是新数组的列，可以执行以下操作：
new_arr = np.array(tuple_input, dtype=object).T
从而生成以下数组。
[[3 3 3 3] [4 4 4 4] [6 6 6 6] ['er' 'er' 'er' 'er'] ['ere' 'ere' 'ere' 'ere']]
但是，我想警告您，我个人认为拥有object类型的数组是不好的。在执行某些操作时，它可能有潜在的问题。例如，根据阿斯特里德的评论https://stackoverflow.com/a/44058285/14436930为了论证，假设你把它变成了一个Dataframe。然后你想过滤数据框中的对象，比如df.loc[（df.col==item）]，这是行不通的，因为当pandas进行过滤时，它期望所有的项都是同一类型的。例如，如果在同一列中混合字符串和整数，那么就可以有效地比较苹果和橙子。因此Pandas会抛出一个错误即使在您的例子中不会引起问题，强制int和str只作为对象也不是一个很好的编程习惯
t40tm48m2#
您可以像这样直接创建Dataframe：
df = pd.DataFrame(tuple_input) df.columns = tuple_columns
如果需要numpy数组矩阵，则可以使用：
df_array = df.values
或
df_array = df.to_numpy()
但是上面的方法不能保留头的值，要保留头，可以使用一个记录数组，它是一个ndarray子类，允许使用属性访问字段。同样地：
df_records = df.to_records(index = False)
2条答案
按热度按时间qlfbtfca1#
numpy array不允许使用不同类型的数组，因此不能直接使用同时具有int和str的数组，有一种解决方法：
它给出以下数组
另外，如果希望每个元组都是新数组的列，可以执行以下操作：
从而生成以下数组。
但是，我想警告您，我个人认为拥有object类型的数组是不好的。在执行某些操作时，它可能有潜在的问题。例如，根据阿斯特里德的评论https://stackoverflow.com/a/44058285/14436930
为了论证，假设你把它变成了一个Dataframe。然后你想过滤数据框中的对象，比如df.loc[（df.col==item）]，这是行不通的，因为当pandas进行过滤时，它期望所有的项都是同一类型的。例如，如果在同一列中混合字符串和整数，那么就可以有效地比较苹果和橙子。因此Pandas会抛出一个错误
即使在您的例子中不会引起问题，强制int和str只作为对象也不是一个很好的编程习惯
t40tm48m2#
您可以像这样直接创建Dataframe：
如果需要numpy数组矩阵，则可以使用：
或
但是上面的方法不能保留头的值，要保留头，可以使用一个记录数组，它是一个ndarray子类，允许使用属性访问字段。同样地：