使用列表推导式过滤DataFrame列致转置，如何直接得到目标维度？

你当前代码中，将列表推导式生成的滤波结果以列表形式传入pd.DataFrame时，每个滤波后的列数组会被当作一行数据，最终得到(5,1000)的DataFrame。无需使用transpose()，可以通过以下两种方式直接生成预期的(1000,5)维度结果：

方法一：字典推导式构造DataFrame #

通过字典推导式生成以列名为键、滤波后数组为值的字典，pd.DataFrame会自动按列组织数据，同时保留原列名：

from scipy.signal import butter, filtfilt
import pandas as pd
import numpy as np

test_array = pd.DataFrame(np.random.normal(0,2,size=(1000,6)),columns = ['time','RF','VM','TA','GM','BF'])
b,a = butter(4,[0.05,0.9],'bandpass',analog=False)
columns = ['RF','VM','TA','GM','BF']

filtered_df = pd.DataFrame({col: filtfilt(b,a,test_array[col]) for col in columns})

方法二：使用apply对列批量处理 #

利用pandas的apply方法直接对目标列执行滤波操作，返回结果即为维度正确的DataFrame：

from scipy.signal import butter, filtfilt
import pandas as pd
import numpy as np

test_array = pd.DataFrame(np.random.normal(0,2,size=(1000,6)),columns = ['time','RF','VM','TA','GM','BF'])
b,a = butter(4,[0.05,0.9],'bandpass',analog=False)
columns = ['RF','VM','TA','GM','BF']

filtered_df = test_array[columns].apply(lambda x: filtfilt(b,a,x))

这两种方法都能直接生成(1000,5)的DataFrame，避免了额外的转置操作，同时保留原数据的列名结构，便于后续分析处理。

内容的提问来源于stack exchange，提问作者nacoker