如何根据DataFrame列值将二维NumPy数组重构为三维数组？

这其实可以借助Pandas的分组功能快速实现，核心思路是先按Case列分组获取对应行的索引，再从二维数组中提取对应行打包成三维结构。下面是具体的步骤和代码：

1. 导入依赖并定义示例数据 #

首先我们先把示例数据准备好（我把原问题里的省略号替换成了具体数值方便测试）：

import numpy as np
import pandas as pd

# 模拟的二维NumPy数组
two_d_array = np.array([
    [1., 0., 0., 1., 0., 0.],
    [1., 0., 0., 0., 1., 1.],
    [1., 0., 0., 1., 0., 0.],
    [1., 1., 0., 1., 0., 0.],
    [1., 1., 0., 1., 0., 0.],
    [1., 1., 0., 1., 0., 0.]
])

# 示例DataFrame
df = pd.DataFrame({"Case":[1,1,2,2,3,4]})

2. 实现转换逻辑 #

我们可以用groupby获取每个Case对应的行索引集合，再通过列表推导式提取对应行，最后转成三维数组：

# 获取每个Case对应的行索引集合
case_groups = df.groupby('Case').groups

# 遍历索引集合，从二维数组中提取对应行，组成三维数组
three_d_array = np.array([two_d_array[idxs] for idxs in case_groups.values()], dtype=object)

3. 结果说明 #

运行后得到的three_d_array就是你想要的结构：

• 第一个元素是Case=1对应的两行二维数组
• 第二个元素是Case=2对应的两行二维数组
• 第三、第四个元素分别是Case=3和Case=4对应的单行二维数组

需要注意的是：因为各个分组的行数不一致（有的2行，有的1行），所以必须指定dtype=object，否则NumPy会强制统一形状导致报错。如果你的所有分组行数都相同，就可以去掉这个参数，得到一个规则的三维数组（形状为(分组数, 每组行数, 列数)）。

内容的提问来源于stack exchange，提问作者Indy