如何将多个NumPy数组转换为Pandas DataFrame？含两数组转列需求

嘿，我来帮你搞定这个问题！通常把NumPy数组转成Pandas DataFrame时，结果和预期不符，大概率是数组维度或者传入方式的问题——比如不小心把数组当成行来处理了，但你实际想要的是列。

我先拿常见的场景举例，假设你的两个数组是这样的：

import numpy as np
import pandas as pd

# 你的两个示例数组
actual_output = np.array([10, 20, 30, 40])
expected_output = np.array([15, 25, 35, 45])

下面几种方法都能帮你得到列形式的预期DataFrame：

方法1：用字典直接构造（最直观） #

直接把每个数组对应到DataFrame的列名，这种方式可读性最高：

df = pd.DataFrame({
    '实际输出': actual_output,
    '预期输出': expected_output
})

方法2：用np.column_stack堆叠数组后转换 #

先把两个一维数组按列方向堆叠成二维数组，再转成DataFrame：

# 按列堆叠数组
stacked_data = np.column_stack((actual_output, expected_output))
# 转换并指定列名
df = pd.DataFrame(stacked_data, columns=['实际输出', '预期输出'])

方法3：用pd.concat合并Series #

把每个数组先转成带列名的Series，再按列方向合并：

s_actual = pd.Series(actual_output, name='实际输出')
s_expected = pd.Series(expected_output, name='预期输出')
df = pd.concat([s_actual, s_expected], axis=1)

不管用哪种方法，只要两个数组的长度一致，就能完美对齐行，得到你想要的列形式DataFrame。如果你的数组是二维的，只要确保它们的行数相同，这些方法同样适用~

内容的提问来源于stack exchange，提问作者Atihska