如何将存储列表元素的dataframe转换为shape(4,200,3)的3D数组

你直接调用np.array(df)得到形状为(4,3)的二维数组，是因为当前DataFrame的每个单元格存储的是长度为200的列表，numpy默认会将每个列表识别为单个object类型的元素，不会自动展开内部的数值。你可以用以下几种方法实现目标转换：

方法1：逐行堆叠（逻辑直观易理解） #

逐行处理每行的3个列表，将其按最后一维堆叠后再合并所有行的数据：

import numpy as np

arr = np.stack([np.stack(row, axis=1) for _, row in df.iterrows()])
print(arr.shape) # 输出 (4, 200, 3)

方法2：向量化操作（性能更高，适合大数据量场景） #

无需循环，通过数组拼接和维度换位实现转换，运行效率更高：

import numpy as np

# 先把所有单元格的列表拼接为一维大数组
flat_arr = np.concatenate(df.to_numpy().flatten())
# 重塑维度后调整维度顺序得到目标结构
arr = flat_arr.reshape(4, 3, 200).transpose(0, 2, 1)
print(arr.shape) # 输出 (4, 200, 3)

方法3：简洁写法（基于pandas原生接口） #

代码最简洁，适合小数据集快速转换：

import numpy as np
import pandas as pd

arr = np.array(df.apply(lambda x: np.array(x.to_list()), axis=1).to_list())
print(arr.shape) # 输出 (4, 200, 3)

内容的提问来源于stack exchange，提问作者Darshan s p