您可以重塑：

size = conc[['wl', 'layer']].nunique()

out = (conc
  .set_index(['wl', 'layer'])
  .unstack('layer').stack('layer', dropna=False)
  .to_numpy().reshape((size['wl'], size['layer'], -1))
)

字符串

• 注意。stack/unstack步骤仅在您没有wl/layer和顺序的所有组合时才需要。*

输出量：

array([[[ 10,  13, 250],
        [ 20,  14, 260],
        [ 30,  15, 270],
        [ 40,  16, 280]],

       [[ 50,  17, 290],
        [ 60,  18, 300],
        [ 70,  19, 310],
        [ 80,  20, 320]],

       [[ 20,  25, 650],
        [ 35,  15, 550],
        [ 55,  30, 750],
        [ 95,  21, 650]]])

型

如果你想用一个循环来做，你可以得到每个波长的每个2DTensor，然后把它们连接起来：

tensor_3D = []
for w in conc["w1"].unique():
    tensor_2D = conc[conc["w1"]==w].drop("w1", axis=1)
    tensor_3D.append(tensor_2D.to_numpy())

tensor_3D = np.array(tensor_3D)

字符串
编辑：我觉得你可能总是要为此做一个循环，你也可以用一种更优雅的方式来做：

conc_grouped = conc.groupby("w1")
tensor_3D = np.array([conc_grouped.get_group(c).to_numpy() for c in conc_grouped.groups.keys()])

型

这是xarray的工作：

np.moveaxis(conc.set_index(['wl','layer']).to_xarray().to_array().to_numpy(),0,-1)

字符串
xarray是一种基于标记多索引的多维数据。它有自己的API和逻辑（xarray是python的另一个多索引数据表示包。这里我只是使用pandas的能力来转换为xarray）。
因此，to_array()将其转换为数组（可使用整数索引）。你不能df.to_xarray()[0,0,0]，而df.to_xarray().to_array()[0,0,0]是一个合法的请求。但即使这样，它仍然是一个“xarray的数组”。[0,0,0]返回一个xarray项。因此，看似多余的to_numpy()将其转换为正确的numpy数组（其值只是浮点数）。因此，即使这3个转换（pandas dataframe到xarray dataframe; xarray Dataframe 到xarray数组; xarray数组到numpy数组）似乎是多余的，它们都是需要的。但最后两个人实际上什么也没做;它们不移动或复制数据。
我需要最后的moveaxis，因为否则，“剩余的列”（因此gas 1，gas 2，gas 3：不用作索引的列）轴是第一个。因此，要获得第100个波长的第4层的“gas 2”，您需要使用[1,99,3]索引，而您希望的输出应该使用[99,3,1]索引。但同样，移动轴也不需要任何成本（不需要数据复制或移动）。只是一些调整的步伐）。
时机明智，这是不可分辨的，从mozway的答案为一个例子，同样大小的你。在我的机器上，两者都是5.6毫秒（基于for的解决方案是10.1毫秒）。
当n增长时，在两个向量化解决方案中的哪一个更快变得清楚之前，需要相当多的数据。在1000行之后，差别就很明显了，例如，对于100000行，这个解决方案需要260 ms，而mozway的解决方案需要505 ms。它似乎渐进地达到了这个~2的时序比（相对于具有100000行的基于for的解决方案的820秒）。通常，向量化的解决方案比非向量化的解决方案好1000倍。因此，相比之下，两个矢量化解决方案之间的因子2似乎并不多）。
请注意，即使你不需要任何导入（除了你已经拥有的pandas）来运行这一行，它也依赖于包xarray，而xarray并不总是安装有pandas（因此，在一个安装了pandas但没有xarray的系统上，pandas方法to_xarray存在，但只是引发一个错误）。换句话说，您可能需要pip install xarray