如何用Pandas DataFrame实现类似MATLAB元胞数组的数据存储？

从MATLAB转Python处理这类数据，以下几个方案完全匹配你要的“按循环-充放电层级分割”的需求，选哪个看你后续操作习惯：

1. 嵌套字典（最贴近MATLAB元胞数组逻辑） #

用字典顶层对应循环次数，第二层用数字索引对应充放电数据，和你原来data{cycle}{1/2}的调用逻辑几乎一致：

import pandas as pd

# 假设你的原始数据存在df里，包含'cycle number'、'charge capacity'、'discharge capacity'列
cycle_dict = {}

# 先按循环次数分组
grouped = df.groupby('cycle number')

for cycle_num, group in grouped:
    # 把每个循环的充放电数据存成字典，1对应充电、2对应放电
    cycle_dict[cycle_num] = {
        1: group['charge capacity'].values,  # 等价MATLAB的data{cycle_num}{1}
        2: group['discharge capacity'].values  # 等价MATLAB的data{cycle_num}{2}
    }

# 调用示例
print(cycle_dict[1][1])  # 循环1的充电容量数组
print(cycle_dict[4][2])  # 循环4的放电容量数组

2. 嵌套列表（索引式访问） #

如果习惯用数字索引而非字典键，可直接用嵌套列表，注意Python列表从0开始，所以预留索引0的位置让索引1对应循环1：

max_cycle = df['cycle number'].max()
# 初始化嵌套列表，长度为最大循环数+1
cycle_list = [[] for _ in range(max_cycle + 1)]

for cycle_num, group in grouped:
    # 每个循环位置存储[充电数据, 放电数据]
    cycle_list[cycle_num] = [
        group['charge capacity'].values,
        group['discharge capacity'].values
    ]

# 调用示例
print(cycle_list[1][0])  # 循环1的充电容量（对应原来的data{1}{1}）
print(cycle_list[4][1])  # 循环4的放电容量（对应原来的data{4}{2}）

3. 直接用pandas GroupBy对象（最高效的数据分析方式） #

如果后续还要对数据做过滤、统计、可视化等操作，没必要转成其他结构，直接用GroupBy对象更省内存，操作也更灵活：

grouped = df.groupby('cycle number')

# 获取指定循环的充放电数据
cycle1_charge = grouped.get_group(1)['charge capacity']
cycle4_discharge = grouped.get_group(4)['discharge capacity']

# 甚至可以直接做批量操作，比如计算每个循环的平均充电容量
avg_charge_per_cycle = grouped['charge capacity'].mean()

方案选择建议 #

• 如果你只是需要类似MATLAB的索引访问逻辑，选嵌套字典或列表；
• 如果你后续要做大量数据分析操作，直接用GroupBy对象，避免数据重复存储，3万行数据的情况下效率优势很明显。

内容的提问来源于stack exchange，提问作者Michael