如何将5个1D pandas DataFrame堆叠转换为单个NumPy数组？

你现有代码的几处问题 #

• 行删除逻辑bug：处理df3时，删除首行的代码错写成df3=df3.drop(df1.index[0])，引用了df1的索引值，会造成行删除错位，必须改成df3=df3.drop(df3.index[0])
• 堆叠流程残缺：你目前只分别计算了dfraw1+dfraw2、dfraw3+dfraw4的shape，根本没把全部5个DataFrame纳入堆叠流程，自然拿不到目标数组
• 函数适配性偏差：np.dstack对(10000,1)的二维输入会生成多余的第三维度，和你想要的堆叠效果不匹配
• 版本兼容风险：你写的df.drop(..., 1)是pandas旧版语法，新版pandas会抛出警告，统一改成axis=1的参数格式，避免后续版本升级跑不通

正确实现逻辑 #

你要的是横向堆叠，不是逐行把10000行的块往下接成50000行，最终结果的行数和单个输入一致，只是列数变成5。
直接把所有df转成原生numpy数组，一次性传入堆叠函数即可，根据需要的输出维度选对应函数：

1. 需要常规二维结果（形状为(10000, 5)，适配绝大多数数据分析、模型训练场景），用np.column_stack：

   arr_list = [dfraw1.values, dfraw2.values, dfraw3.values, dfraw4.values, dfraw5.values]
   final_arr = np.column_stack(arr_list)
   

2. 如果需要带通道维度的三维结果（形状为(10000, 1, 5)，适配多通道信号、图像输入场景），直接用np.dstack一次性传全所有数组，不要拆分两两计算：

   final_3d_arr = np.dstack([dfraw1.values, dfraw2.values, dfraw3.values, dfraw4.values, dfraw5.values])
   

效果验证 #

打印最终数组的shape确认：

• 如果输出是(10000, 5)，说明没有做纵向行追加，完全实现了横向堆叠的目标
• 要是形状是(50000, 1)，才是你需要避免的逐行拼接效果

内容的提问来源于stack exchange，提问作者Adarsh Mishra