从Numpy数组创建Pandas DataFrame：如何指定索引列和列标题？

281

我有一个由列表列表组成的Numpy数组，代表带有行标签和列名的二维数组，如下所示：

data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])

我希望所得的DataFrame将Row1和Row2作为索引值，并将Col1，Col2作为标头值

我可以指定索引如下：

df = pd.DataFrame(data,index=data[:,0]),

但是我不确定如何最好地分配列标题。

python pandas numpy

— 用户名
source

3

@ behzad.nouri的答案是正确的，但我认为您应该考虑是否不能使用其他形式的初始数据。因为现在，您的值将是字符串而不是整数（由于numpy数组将整数和字符串混合在一起，因此所有值都强制转换为字符串，因为numpy数组必须是同构的）。

— joris

315

您需要指定data，index并columns以DataFrame构造函数，如：

>>> 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

编辑：如@joris注释中一样，您可能需要更改上述内容np.int_(data[1:,1:])才能具有正确的数据类型。

— 贝扎德·诺里
source

7

这行得通-但是对于输入数据的这种通用结构和所需的应用，DataFrame是否没有“捷径”？基本上，这是csvs加载的方式-可以通过许多csv阅读器的默认处理方式进行管理。df的类似结构将很有用。

— javadba

我为此添加了一个迷你帮助程序/便利方法，作为补充答案。

— javadba

93

这是一个易于理解的解决方案

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

— 贾格纳斯·班纳吉（Jagannath Banerjee）
source

20

但是，您必须手动指定Series不可扩展的名称..。

— javadba

24

我同意Joris；似乎您应该以不同的方式执行此操作，例如使用numpy record arrays。从这个好答案中修改“选项2” ，您可以像这样进行操作：

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)

— 赖安迪永
source

13

只需使用pandas DataFrame的from_records即可完成此操作

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)

— 阿迪尔·斯里瓦斯塔瓦（Aadil Srivastava）
source

此答案不适用于问题中提供的示例数据，即data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])。

— jpp

没有指定标签时最简单的一般解决方案。

— cerebrou

12

    >>import pandas as pd
    >>import numpy as np
    >>data.shape
    (480,193)
    >>type(data)
    numpy.ndarray
    >>df=pd.DataFrame(data=data[0:,0:],
    ...        index=[i for i in range(data.shape[0])],
    ...        columns=['f'+str(i) for i in range(data.shape[1])])
    >>df.head()
    [![array to dataframe][1]][1]

— 拉胡尔·维尔玛（Rahul Verma）
source

8

添加到@ behzad.nouri的答案-我们可以创建一个帮助程序来处理这种常见情况：

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)

让我们尝试一下：

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

— javadba
source