如何用Python的Numpy将指定表格构建为3D数组？求布局指导

嘿，我来帮你梳理几种用NumPy把这份表格数据转换成3D数组的常见方案，你可以根据自己的实际使用场景来选择：

首先，咱们先把原始的表格数据转换成基础的NumPy二维数组，方便后续扩展维度：

import numpy as np

# 原始表格数据：time列作为索引，field1和field2作为数值列
data = np.array([
    [0.25, 1],
    [0.1, 1.1],
    [0.6, 1.3],
    [0.87, 0.9],
    [0.4, 0.7],
    [0.6, 1],
    [0.5, 0.6],
    [0.12, 0.8],
    [0.4, 1.1]
])

接下来是几种常见的3D布局方式：

方式1：每个时间点对应一个独立的2D切片（形状：(9, 1, 2)） #

这种布局下，每一行数据（对应一个时间点）都会被转换成一个1行2列的二维数组，最终组合成9个这样的切片形成3D数组。适合需要把每个时间步作为独立小矩阵处理的场景：

# 通过添加新维度实现
data_3d = data[:, np.newaxis, :]
print(data_3d.shape)  # 输出: (9, 1, 2)

方式2：将整个数据集作为单个2D切片，添加一个“批次/样本”维度（形状：(1, 9, 2)） #

如果你的场景是把这整组时序数据作为一个样本（比如输入到深度学习模型的单批次数据），可以给整个二维数组添加一个最外层的维度：

data_3d = data[np.newaxis, :, :]
print(data_3d.shape)  # 输出: (1, 9, 2)

方式3：按字段分组，每个字段对应一个2D切片（形状：(2, 9, 1)） #

要是你想把field1和field2分别作为独立的二维数组（每个字段包含9个时间点的数据），再组合成3D数组，可以这么做：

# 提取两个字段的数组
field1 = data[:, 0].reshape(9, 1)
field2 = data[:, 1].reshape(9, 1)
# 堆叠成3D数组
data_3d = np.stack([field1, field2], axis=0)
print(data_3d.shape)  # 输出: (2, 9, 1)

如果这几种布局都不符合你的需求，可以补充说明你打算用这个3D数组做什么（比如用于机器学习、可视化还是数值计算），我可以再帮你调整方案~

内容的提问来源于stack exchange，提问作者null