元素充足的1维numpy数组无法按预期reshape为(20,5)问题求解

问题根源 #

当调用df.apply(..., axis=1)时，每行返回的长度为5的numpy数组会被pandas当作单个元素存储，最终得到的是一个长度为20、元素类型为object的Series，每个元素对应一行返回的5元素数组。此时直接用np.array()转换得到的是形状为(20,)的对象数组，数组总长度就是20，自然无法reshape成(20,5)。

可用解决方案 #

方案1：使用np.vstack直接堆叠 #

这是最简洁的方案，直接把Series中存储的20个单行数组合并成二维数组，转换后直接得到形状为(20,5)的数值数组，无需额外reshape：

z = np.vstack(df.apply(new_vectors, args=(df.iloc[0].to_numpy(), df.iloc[11].to_numpy()), axis=1))

方案2：先转列表再转numpy数组 #

把Series先转为嵌套列表，再通过numpy数组构造函数生成二维数组：

res_series = df.apply(new_vectors, args=(df.iloc[0].to_numpy(), df.iloc[11].to_numpy()), axis=1)
z = np.array(res_series.tolist())

方案3：修改返回值适配pandas自动对齐 #

让自定义函数返回pandas的Series对象，此时apply会自动把返回结果拼接成DataFrame，再转numpy数组即可：

# 仅修改自定义函数的返回部分即可
def new_vectors(current, best, worst):
    # 原有逻辑不变
    current = current.to_numpy()
    new = np.add(current, np.subtract((rng.random()*(np.subtract(best, np.absolute(current)))), ((rng.random()*(np.subtract(worst, np.absolute(current)))))))
    summed = current.sum()
    newsummed = new.sum()
    res = np.add(((newsummed < summed)*(new)), ((newsummed > summed)*(current))).flatten()
    # 把返回的numpy数组转为pd.Series
    return pd.Series(res)

# 调用apply后直接转numpy即可
z = df.apply(new_vectors, args=(df.iloc[0].to_numpy(), df.iloc[11].to_numpy()), axis=1).to_numpy()

以上方案均可在你提供的复现代码上直接运行，得到符合要求的(20,5)尺寸数组。

内容的提问来源于stack exchange，提问作者Guardian