如何将3D numpy张量转换为单元格存储数组的2D pandas DataFrame？

问题描述 #

我可以初始化一个2D pandas DataFrame，然后遍历numpy张量的索引，将每个位置的数组存储到DataFrame的对应单元格中，示例代码如下：

data_3d=np.random.rand(2,3,4)
for i in np.arange(2):
   for j in np.arange(3):
      df.iloc[i,j]=data_3d[i,j]

请问pandas中是否有便捷函数可完成此类数据结构转换？

解决方案 #

当然有更便捷的方式，无需手动嵌套循环，以下是两种实用方法：

• 方法一：直接用pd.DataFrame构造
  将3D数组的前两个维度转为二维嵌套列表，直接传入pd.DataFrame即可：

  import numpy as np
  import pandas as pd
  
  data_3d = np.random.rand(2, 3, 4)
  df = pd.DataFrame(data_3d.tolist())
  

  data_3d.tolist()会把(2,3,4)形状的数组转换成2行3列的嵌套结构，每个元素是长度为4的列表/数组，pd.DataFrame会自动将这些元素作为单元格值。

• 方法二：用numpy.apply_along_axis保留数组类型
  如果需要单元格内保持numpy数组类型（而非列表），可以借助apply_along_axis：

  df = pd.DataFrame(np.apply_along_axis(lambda x: x, 2, data_3d))
  

  参数axis=2指定沿着第三个维度处理，每个子数组会被直接保留，最终DataFrame的每个单元格都是numpy数组对象。

这两种方法都是批量操作，比手动循环效率更高，代码也更简洁。

内容的提问来源于stack exchange，提问作者user3761743