如何将嵌入矩阵转为Pandas DataFrame的数组列？（嵌入维度30）

我懂你遇到的麻烦——直接把嵌入向量往DataFrame列里塞，要么被拆成几十零散列，要么变成字符串格式，好好的30维数组结构全丢了。别慌，这几个方法能帮你完美解决：

方法1：直接赋值（最省心） #

如果你的嵌入矩阵是列表形式（每个元素是单个30维numpy数组/普通列表），直接把这个列表赋值给新列就行：

import pandas as pd
import numpy as np

# 模拟你的句子DataFrame
df = pd.DataFrame({"sentence": ["我喜欢机器学习", "Pandas处理数据很方便", "嵌入向量是NLP的基础"]})

# 模拟3个30维的嵌入向量
embeddings = [np.random.rand(30) for _ in range(len(df))]

# 直接新增列
df["embedding"] = embeddings

验证一下：df["embedding"].iloc[0].shape 会输出 (30,)，说明数组结构完完整整保留着。

方法2：用pd.Series包装（解决赋值失败的情况） #

要是直接赋值报错或者结构还是丢了，试试用pd.Series把嵌入列表包一层再赋值：

df["embedding"] = pd.Series(embeddings)

这相当于明确告诉Pandas：每个元素是个独立对象，别乱拆它！

方法3：从二维numpy数组转换 #

如果你的嵌入是二维numpy数组（形状是(样本数, 30)），先转成列表再赋值就好：

# 模拟二维嵌入数组
embeddings_array = np.random.rand(len(df), 30)
df["embedding"] = embeddings_array.tolist()

避坑提醒 #

千万别踩这个雷：别用pd.DataFrame(embeddings)把嵌入转成DataFrame再和原表合并——那样会直接把30维向量拆成30个单独的列，完全不是你想要的结果！

后续操作示例（比如计算相似度） #

存好嵌入后，你还能轻松做后续分析，比如计算句子间的余弦相似度：

from sklearn.metrics.pairwise import cosine_similarity

# 取第一个句子的嵌入作为基准
base_emb = df["embedding"].iloc[0].reshape(1, -1)

# 新增相似度列
df["similarity_to_base"] = df["embedding"].apply(
    lambda x: cosine_similarity(base_emb, x.reshape(1, -1))[0][0]
)

这样既能完美保留嵌入的数组结构，又能在DataFrame里方便管理所有句子和对应向量啦！

内容的提问来源于stack exchange，提问作者Iza Pziza