如何将Pandas中同属性多列数据转为Numpy二维矩阵存储？

我来帮你搞定这个问题，把分散在12列的chroma_cens的kurtosis属性转换成浮点型Numpy二维矩阵其实很直观，分几步操作就行：

步骤1：定位目标列 #

首先你需要确认DataFrame中哪12列对应chroma_cens的kurtosis属性。根据你描述的数据集结构，这12列要么是前12列（因为首行特征里chroma_cens重复12次对应这些数值），要么是列名包含chroma_cens和kurtosis标识的列。

• 如果是前12列，直接通过位置筛选：

  target_cols = df.columns[:12]
  

• 如果列名有明确标识（比如chroma_cens_kurtosis_1到chroma_cens_kurtosis_12），可以用列名匹配并确保顺序正确：

  # 筛选包含关键词的列
  target_cols = [col for col in df.columns if 'chroma_cens' in col and 'kurtosis' in col]
  # 按编号排序，保证1-12的顺序
  target_cols = sorted(target_cols, key=lambda x: int(x.split('_')[-1]))
  

步骤2：转换为Numpy浮点矩阵 #

定位到目标列后，直接提取数值并转换为浮点型Numpy数组：

# 提取数据并转换为float类型，再转为Numpy数组
kurtosis_matrix = df[target_cols].astype(float).values

如果你需要特定的浮点类型（比如float32），可以修改astype的参数：

kurtosis_matrix = df[target_cols].astype('float32').values

验证结果 #

你可以通过以下代码确认结果符合预期：

print("矩阵形状：", kurtosis_matrix.shape)  # 输出应为 (数据集行数, 12)
print("数据类型：", kurtosis_matrix.dtype)  # 输出应为 float64 或 float32
print("第一行数据：", kurtosis_matrix[0])  # 对应你提供的首行12个数值

这样得到的kurtosis_matrix就是每行对应原数据一行、每个行向量包含12个浮点数值的二维矩阵了。

内容的提问来源于stack exchange，提问作者Ishwar