Ich habe ein Numpy-Array, das aus einer Liste von Listen besteht und ein zweidimensionales Array mit Zeilenbeschriftungen und Spaltennamen darstellt, wie unten gezeigt:
data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])
Ich möchte, dass der resultierende DataFrame Row1 und Row2 als Indexwerte und Col1, Col2 als Header-Werte enthält
Ich kann den Index wie folgt angeben:
df = pd.DataFrame(data,index=data[:,0]),
ich bin mir jedoch nicht sicher, wie ich die Spaltenüberschriften am besten zuordnen kann.
Sie müssen data
, index
und columns
im DataFrame
- Konstruktor angeben, wie in:
>>> pd.DataFrame(data=data[1:,1:], # values
... index=data[1:,0], # 1st column as index
... columns=data[0,1:]) # 1st row as the column names
edit: Wie im Kommentar von @joris müssen Sie möglicherweise oben in np.int_(data[1:,1:])
ändern, um den korrekten Datentyp zu erhalten.
Hier ist eine leicht verständliche Lösung
import numpy as np
import pandas as pd
# Creating a 2 dimensional numpy array
data= np.array([[ 5.8,2.8], [ 6.0,2.2]])
print(data)
>>> data
array([[ 5.8, 2.8],
[ 6. , 2.2]])
#Creating pandas dataframe from numpy array
dataset = pd.DataFrame({'Column1':data[:,0],'Column2':data[:,1]})
print(dataset)
Column1 Column2
0 5.8 2.8
1 6.0 2.2
Ich stimme mit Joris überein; es scheint, dass Sie dies anders machen sollten, wie mit numpy record arrays Ändern Sie "Option 2" von diese großartige Antwort Sie könnten es so machen:
import pandas
import numpy
dtype = [('Col1','int32'), ('Col2','float32'), ('Col3','float32')]
values = numpy.zeros(20, dtype=dtype)
index = ['Row'+str(i) for i in range(1, len(values)+1)]
df = pandas.DataFrame(values, index=index)
Hinzufügen zu @ behzad.nouris Antwort - wir können eine Hilfsroutine erstellen, um dieses allgemeine Szenario zu handhaben:
def csvDf(dat,**kwargs):
from numpy import array
data = array(dat)
if data is None or len(data)==0 or len(data[0])==0:
return None
else:
return pd.DataFrame(data[1:,1:],index=data[1:,0],columns=data[0,1:],**kwargs)
Lass es uns ausprobieren:
data = [['','a','b','c'],['row1','row1cola','row1colb','row1colc'],
['row2','row2cola','row2colb','row2colc'],['row3','row3cola','row3colb','row3colc']]
csvDf(data)
In [61]: csvDf(data)
Out[61]:
a b c
row1 row1cola row1colb row1colc
row2 row2cola row2colb row2colc
row3 row3cola row3colb row3colc
Dies kann einfach mit from_records von Pandas DataFrame durchgeführt werden
import numpy as np
import pandas as pd
# Creating a numpy array
x = np.arange(1,10,1).reshape(-1,1)
dataframe = pd.DataFrame.from_records(x)