选项1：创建一个具有所需形状的空数组，然后使用来自数组中的信息更新数组中的值

x, y = df[['axis0', 'axis1']].max() + 1
arr = np.full((x, y), np.nan)
arr[df['axis0'], df['axis1']] = df['value']

选项2：在axis列上透视框架，然后重新索引以确保正确的形状，然后转换为numpy

x, y = df[['axis0', 'axis1']].max() + 1
(
    df
    .pivot(index='axis0', columns='axis1', values='value')
    .reindex(index=range(x), columns=range(y))
    .to_numpy()
)

结果

array([[ 2.,  3.],
       [nan,  1.]])

import numpy as np

 data = np.array([
    [0, 0, 2],
    [1, 1, 1],
    [0, 1, 3]
])

axis0 = data[:, 0]
axis1 = data[:, 1]
values = data[:, 2]

rows = np.max(axis0) + 1
cols = np.max(axis1) + 1
   
result = np.full((rows, cols), np.nan)

result[axis0, axis1] = values
print(result)

输出：-

[[ 2.  3.]
 [nan  1.]]

从数据中提取axis0，axis1和values。然后计算结果数组的维数，然后使用np.full创建一个空数组，填充NaN。然后在空数组中填充值。