我有一个DataFrame,如下所示。有两列,其中第二列包含形状不同的numpy数组(这里:(2, 1)
,(2, 2)
,(2, 3)
)。例子:
class data
0 0 [[3], [17]]
1 1 [[9, 5], [8, 19]]
2 1 [[8, 16, 13], [17, 19, 10]]
我现在想平坦data
列以获得1D数组[3, 17, 9, 5, 8, 19, 8, 16, 13, 17, 19, 10]
,对该向量应用函数,并恢复DataFrame的原始形状。例如,如果我想从所有元素中减去向量的平均值,期望的输出是:
class data
0 0 [[-9], [5]]
1 1 [[-3, -7], [-4, 7]]
2 1 [[-4, 4, 1], [5, 7, -2]]
我怎样才能最好地实现这种转变?
编辑@mozway:
我生成了这样的DataFrame:
data = []
np.random.seed(8)
for i in range(1, 4):
data.append(np.random.randint(0, 20, (2, i)))
category = {"class": [0, 1, 1]}
df = pd.DataFrame(category)
df["data"] = data
前面提到的变换一维数组的函数是arr -= np.mean(arr)
。
假设flat
为数组,如下所示:
[-9. 5. -3. -7. -4. 7. -4. 4. 1. 5. 7. -2.]
一种方法是:
def nested_unflatten(da, placeholder):
res = []
for e in placeholder:
if isinstance(e, Iterable):
res.append(nested_unflatten(da, e))
else:
res.append(next(da))
return res
flat = np.array([-9., 5., -3., -7., -4., 7., -4., 4., 1., 5., 7., -2.])
un_flat = nested_unflatten(iter(flat), df["data"])
print(un_flat)
[[[-9.0], [5.0]], [[-3.0, -7.0], [-4.0, 7.0]], [[-4.0, 4.0, 1.0], [5.0, 7.0, -2.0]]]
如果您也对flatten
函数感兴趣:
def flatten(da):
res = []
for e in da:
if isinstance(e, Iterable):
res.extend(flatten(e))
else:
res.append(e)
return res
可用于从示例中获取flat
,如:
flat = np.array(flatten(df["data"]), dtype=np.float64)
flat -= np.mean(flat)