如何将pandas DataFrame的每一行转换为指定尺寸的2D数组

前提校验 #

你需要先确认预期转换的2D尺寸m × n满足 m * n = 36（你的特征维度总数），否则无法完成特征对齐转换，比如示例中的4×9是合法的，6×6、3×12等组合也可以使用。

核心思路 #

利用numpy的reshape方法对特征数组做维度变换，变换后的样本顺序和原DataFrame完全一致，天然和标签列的顺序一一对应。

代码实现 #

批量转换（效率最高，推荐使用） #

import numpy as np

# 自定义2D尺寸
m = 4
n = 9

# 特征转换：X_df是你的特征DataFrame
X_2d = X_df.to_numpy().reshape(-1, m, n)
# 标签转换：y_df是你的标签DataFrame，和X_2d顺序完全匹配
y_arr = y_df.to_numpy()

reshape中的-1会自动匹配样本总数（你的场景下为3259），无需手动填写。转换后X_2d的形状为(3259, 4, 9)，X_2d[i]对应第i个样本的2D特征，y_arr[i]为该样本的对应标签。

逐行转换（适合需要自定义单行处理逻辑的场景） #

如果需要对每一行特征做特殊调整后再转2D，可以用遍历方式实现：

X_2d = []
for _, row in X_df.iterrows():
    # 可在此处添加单行特征的自定义处理逻辑
    row_2d = row.to_numpy().reshape(m, n)
    X_2d.append(row_2d)
X_2d = np.array(X_2d)

结果校验 #

可以打印数组形状确认转换是否符合预期：

print(X_2d.shape) # 预期输出：(3259, 4, 9)
print(y_arr.shape) # 预期输出：(3259, 1)

内容的提问来源于stack exchange，提问作者Sjn