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
相关产品推荐

