如何在循环中将DataFrame处理结果堆叠为三维NumPy数组？

首先把你的DataFrame转换成NumPy数组，方便后续三维数组操作。假设你需要执行多次不同计算（比如你提到的加1，以及其他复杂逻辑），可以预先初始化一个三维数组，再通过循环将每次计算的结果存入第三维度的对应位置。

示例代码 #

import pandas as pd
import numpy as np

# 创建示例DataFrame
df = pd.DataFrame({'a': [1,22,34],
                   'b': [3,49,65]})
# 转换为NumPy数组
base_arr = df.to_numpy()

# 假设需要执行3次计算（可替换为你的实际计算次数）
calc_count = 3
# 初始化三维数组，形状为(原行数, 原列数, 计算次数)
final_result = np.zeros((base_arr.shape[0], base_arr.shape[1], calc_count))

# 循环执行计算并填充三维数组
for idx in range(calc_count):
    if idx == 0:
        # 第一次计算：所有元素加1
        calc_result = base_arr + 1
    elif idx == 1:
        # 第二次计算：所有元素乘2
        calc_result = base_arr * 2
    else:
        # 第三次计算：所有元素加5（替换为你的实际逻辑）
        calc_result = base_arr + 5
    # 将本次计算结果存入第三维度的对应层
    final_result[:, :, idx] = calc_result

灵活扩展说明 #

• 如果计算逻辑较多，可把每个计算封装成独立函数，循环时直接调用函数即可，让代码更清晰。
• 若计算次数不固定，也可以先把每次计算结果存入列表，最后用np.stack拼接成三维数组：

result_list = []
# 第一次计算
result_list.append(base_arr + 1)
# 第二次计算
result_list.append(base_arr * 2)
# 更多计算...
# 按第三维度拼接成三维数组
final_result = np.stack(result_list, axis=2)

内容的提问来源于stack exchange，提问作者Phoenix