如何将DataFrame转换为符合LSTM输入要求的shape为(3,Y,2)的3D数组

你可以通过pandas分组方法快速完成转换，完整实现代码如下：

import pandas as pd
import numpy as np

# 1. 构造DataFrame（实际使用时替换为你自己的数据源即可）
df = pd.DataFrame({
    'label': ['a', 'b', 'a', 'b', 'c'],
    'data_1': [1.09, 2.1, 5.0, 2.0, 1.9],
    'data_2': [1, 2, 3, 3, 4]
})

# 2. 按label分组，按顺序提取每个标签对应的特征数组
lstm_input = [
    group[['data_1', 'data_2']].values 
    for _, group in df.groupby('label', sort=True)
]

# 可选：转成numpy object数组适配深度学习框架输入要求
lstm_input_np = np.array(lstm_input, dtype=object)

执行后输出的lstm_input结构完全匹配你的需求：

[
  # 对应标签a的所有数据，形状(2,2)
  [[1.09, 1], [5.0, 3]],
  # 对应标签b的所有数据，形状(2,2)
  [[2.1, 2], [2.0, 3]],
  # 对应标签c的所有数据，形状(1,2)
  [[1.9, 4]]
]

注意：如果后续输入Keras的LSTM层，需要配合Masking层处理变长序列，或者提前对所有序列做padding操作统一长度。

内容的提问来源于stack exchange，提问作者Ahmad Okasha