如何在循环中从Pandas DataFrame生成对应运动的Numpy数组

首先先构建你的DataFrame：

import pandas as pd
import numpy as np

data = {"Names": ["Ray", "John", "Mole", "Smith", "Jay", "Marc", "Tom", "Rick"],
        "Sports": ["Soccer", "Judo", "Tenis", "Judo", "Tenis","Soccer","Judo","Tenis"]}
df = pd.DataFrame(data)

下面提供两种实现方案：

方案一：用groupby直接遍历分组（推荐） #

这是Pandas的惯用写法，数据量较大时效率更高：

# 按Sports列分组，遍历每个分组
for sport, group in df.groupby('Sports'):
    # 将分组内的Names列转为Numpy数组
    nArray = group['Names'].to_numpy()
    # 此处编写你对nArray的处理逻辑
    print(f"运动项目：{sport}")
    print(f"对应姓名数组：{nArray}\n")

方案二：先提取独特运动再逐个筛选 #

如果更倾向于先拿到所有独特运动再循环，可使用此方式：

# 获取所有不重复的运动项目
unique_sports = df['Sports'].unique()

for sport in unique_sports:
    # 筛选当前运动对应的行，提取Names列转为Numpy数组
    nArray = df[df['Sports'] == sport]['Names'].to_numpy()
    # 此处编写你对nArray的处理逻辑
    print(f"运动项目：{sport}")
    print(f"对应姓名数组：{nArray}\n")

关键说明 #

• to_numpy()方法可直接将Pandas的Series对象转换为Numpy数组，满足需求
• 两种方案均可实现你描述的伪逻辑，方案一的代码更简洁且性能更优

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