如何将4维NumPy数组变量一对一映射到含值列的5列Pandas DataFrame

现有记录贸易土地足迹的4维NumPy数组FP_fd_Merc，四个维度顺序为进口方、产品、需求部门、出口方，需要构建为Pandas DataFrame，前四列依次对应四个维度的实际名称，第五列为土地足迹数值，每行可承载完整的单条贸易土地足迹信息。

你提供的数组片段查询代码及返回结果如下：

In: FP_fd_Merc[0,:,:,CountryNo,:].shape
Out: (28, 4, 200, 7)

实现步骤 #

• 提前准备四个维度的索引转实际名称的映射列表，列表长度和对应维度的尺寸完全匹配：
  • importer_labels：进口方维度映射列表
  • product_labels：产品维度映射列表
  • sector_labels：需求部门维度映射列表
  • exporter_labels：出口方维度映射列表
• 生成四个维度的全组合索引并展平，同时将原数组数值展平，拼接为DataFrame：

  import numpy as np
  import pandas as pd
  
  # 读取原数组各维度尺寸
  n_imp, n_prod, n_sec, n_exp = FP_fd_Merc.shape
  
  # 生成和原数组维度顺序匹配的全索引网格
  imp_idx, prod_idx, sec_idx, exp_idx = np.meshgrid(
      np.arange(n_imp),
      np.arange(n_prod),
      np.arange(n_sec),
      np.arange(n_exp),
      indexing='ij'
  )
  
  # 拼接生成DataFrame
  land_footprint_df = pd.DataFrame({
      '进口方': importer_labels[imp_idx.flatten()],
      '产品': product_labels[prod_idx.flatten()],
      '需求部门': sector_labels[sec_idx.flatten()],
      '出口方': exporter_labels[exp_idx.flatten()],
      '土地足迹数值': FP_fd_Merc.flatten()
  })
  

生成后的DataFrame可直接通过字段筛选查询任意组合的贸易土地足迹数据，比如要查「阿根廷出口的小麦被德国家庭消费产生的土地足迹」，只需对应筛选四个维度字段即可快速定位数值。

内容的提问来源于stack exchange，提问作者akif