提取numpy数组类型的pandas数组元素

Question

我有一个 Pandas 数据框，df它的每个元素都是一个完整的 numpy 数组。例如列的第 6 行'x_grid'：>>> e = df.loc[6,'x_grid']>>> print(e)[-11.52616579 -11.48006112 -11.43395646 -11.3878518  -11.34174713 -11.29564247 -11.24953781 -11.20343315 -11.15732848 -11.11122382 -11.06511916 -11.01901449 ...但是我不能将它用作 numpy 数组，因为它只是作为字符串给出：>>> print(type(e))<class 'str'>如何将 numpy 数组存储到数据帧中，使其不会被转换为字符串？或者以一种很好的方式将此字符串转换回 numpy 数组？

Answer 1

想要扩展 Rafal 的答案，以避免 numpy 从空字符串中抛出异常x.split：

df['x_grid'].str[1:-1].apply(lambda x: list(filter(None,x.split(' ')))).apply(lambda x: np.array(x).astype(np.float))

Answer 2

如果您只想将每一行中的所有这些字符串转换为列表，则以下内容将起作用：

df['x_grid'].str[1:-1].str.split(" ").apply(lambda x: (list(map(float, x))))

# or for a numpy array

df['x_grid'].str[1:-1].str.split(" ").apply(lambda x: (np.array(list(map(float, x)))))

希望有帮助。

Answer 3

由于尔法恩和hpaulj对于合并来回答这个问题的建议。

解决方案是，在设置数据帧的元素时，我首先将 numpy 数组x转换为列表（因此它以逗号分隔而不是空格分隔）：

df = df.append({'x_grid': list(x)}, ignore_index=True)

然后在保存到 csv 并重新加载后，我使用np.array()and将其提取回一个 numpy 数组ast.literal_eval()（注意：需要import ast）：

x = np.array(ast.literal_eval(df.loc[entry,'x_grid']))

然后返回一个正确的 numpy 数组x。