将numpy一维数组转为pandas DataFrame时遇形状错误的解决咨询

我们需要把形状为(19200,)的NumPy一维数组作为一行逐行添加到DataFrame中，但直接操作出现了两次错误，以下是问题分析和解决方法：

初始代码与错误 #

初始尝试直接将数组转为DataFrame再拼接：

new_array_1 = pd.DataFrame(new_array_1, index=['new_array_1'])
new_array_2 = pd.DataFrame(new_array_2, index=['new_array_2'])
new_array_3 = pd.DataFrame(new_array_3, index=['new_array_3'])

df = pd.concat([df, new_array_1, new_array_2, new_array_3])

执行后触发错误：

Shape of passed values is (19200, 1), indices imply (1, 1)

原因：直接传入一维数组时，pd.DataFrame()会默认将其解析为19200行1列的二维数据，但指定的index仅包含1个标签，行数量不匹配导致报错。

修改后的代码与新错误 #

给数组添加方括号包裹后，代码调整为：

new_array_1 = pd.DataFrame([new_array_1], index=['new_array_1'])
df = pd.concat([df, new_array_1])

执行后又触发新错误：

Must pass 2-d input. shape=(1, 1, 19200)

原因：[new_array_1]会把一维数组包裹成三维结构（外层列表是1个元素，每个元素是(19200,)的数组，整体形状为(1,1,19200)），而pd.DataFrame()仅接受二维输入。

正确的解决方式 #

核心是将一维数组转为1行19200列的二维结构，以下两种方法均可实现：

方法1：用reshape修改数组形状 #

通过NumPy的reshape方法，将一维数组直接转为二维结构：

# 将(19200,)转为(1, 19200)的二维数组
new_array_1_df = pd.DataFrame(new_array_1.reshape(1, -1), index=['new_array_1'])
df = pd.concat([df, new_array_1_df])

reshape(1, -1)中的-1会自动计算列数，确保数组转为1行对应列数的二维结构。

方法2：通过pd.Series中转 #

先将一维数组转为Series，再转置为一行的DataFrame：

# 方式一：直接用Series生成DataFrame行
new_array_1_df = pd.DataFrame([pd.Series(new_array_1)], index=['new_array_1'])
df = pd.concat([df, new_array_1_df])

# 方式二：转置Series生成的单列DataFrame
new_array_1_df = pd.Series(new_array_1).to_frame().T
new_array_1_df.index = ['new_array_1']
df = pd.concat([df, new_array_1_df])

逐行更新的注意事项 #

因为需要逐行获取数据并更新，每次处理单个一维数组时，只需确保将其转为1行N列的二维结构后，再用pd.concat()拼接即可。如果初始df为空，第一次创建时也可使用上述方法生成第一行，后续重复拼接逻辑即可。

内容的提问来源于stack exchange，提问作者Totoro