You need to enable JavaScript to run this app. 如何使用numpy.hstack将DataFrame中的numpy.ndarray列拆分为多列
优惠活动
大模型
产品
解决方案
定价
更多

如何使用numpy.hstack将DataFrame中的numpy.ndarray列拆分为多列

问题根因

代码输出不符合预期的核心原因有两个:

  • 列名不匹配:当前df的实际列是存储数组的col_1、col_2、col_3,但代码中使用了不存在的signal、label、filename列名,需替换为对应实际列。
  • np.hstack的形状处理错误:
    对df["col_1"].values执行np.hstack后得到的是一维长数组(单行场景下长度等于单个ndarray的维度数,多行场景下长度为「行数×单数组维度数」)。你额外加的.T对一维数组没有任何转置效果,将该数组直接传入pd.DataFrame时,pandas会将其识别为「单列多行」的结构,和原1行的保留列拼接后仅索引为0的行有匹配值,其余值为NaN,最终看起来就像只保留了0.216这一个值。
适配np.hstack的修正方案

如果坚持使用np.hstack实现,只需将hstack后的一维数组按单个数组的维度reshape为二维结构,不需要转置:

# 先获取单个数组的长度,用于固定reshape的列数
single_array_len = len(df["col_1"].iloc[0])
# hstack后reshape为二维:每行对应原df行,每列对应数组的每个元素
expanded = np.hstack(df["col_1"].values).reshape(-1, single_array_len)
expanded_df = pd.DataFrame(expanded)
# 按目标顺序拼接保留列(col_3、col_2在前)
Supposed_DataFrame = pd.concat([df[["col_3", "col_2"]], expanded_df], axis=1)
更简便的原生实现

不需要手动调用numpy,pandas原生即可直接拆解存储ndarray的列,代码更简洁也不易出形状错误:

# 直接将col_1转为列表后构造DataFrame,自动拆分为多列
expanded_df = pd.DataFrame(df["col_1"].tolist())
# 拼接保留列即可
Supposed_DataFrame = pd.concat([df[["col_3", "col_2"]], expanded_df], axis=1)

该写法默认生成的列名就是从0开始的整数索引,完全匹配你预期的列结构,多行、所有数组长度统一的场景都可直接适用。


内容的提问来源于stack exchange,提问作者dzdws

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.28 01:06:03