调整行和列的形状，然后转换为 numpy 数组-解网

问：

以下 DataFrame 包含整数值。我希望它们重新塑造成一个新列，其中每一行都将表示，作为旧数据帧中每列的每 3 行的组合。

import pandas as pd
data = pd.DataFrame({'column1': [123, 456, 789, 321, 654, 987, 1234, 45678],
                     'column2': [123, 456, 789, 321, 654, 987, 1234, 45678]})
data=data.astype(str) #string conv.
n = len(data) // 3 #reshaping to new DF
# Create a new DataFrame without commas
X = pd.DataFrame({
    'vector': [' '.join(data.iloc[i:i+3, :].values.flatten()) for i in range(0, len(data), 3)]
})

Output:
    vector
    0  123 123 456 456 789 789
    1  321 321 654 654 987 987
    2    1234 1234 45678 45678

现在，此 datframe 包含“str”值。是否可以再次将此 datframe 转换为“int”。Beacuse，我想将其作为 numpy 数组使用 SVM 算法，它将此数据帧视为由于“str”对象导致的错误。我无法再次将其转换为“int”，或者是否有其他方法可以做到这一点？

python pandas numpy svm 重塑

def concat(x):                                                                                                       
    return pd.concat([x.T[c] for c in x.T]).to_list()                                                                
                                                                                                                     
                                                                                                                     
new = data.groupby(data.index // 3).apply(concat)                                                                    
print(new)

给

0    [123, 123, 456, 456, 789, 789]
1    [321, 321, 654, 654, 987, 987]
2        [1234, 1234, 45678, 45678]
dtype: object

在生成的 DataFrame（实际上是）中，该值的类型为，在我的示例中为 a 。对于其他类型，请适当转换，例如 .Seriesconcatlist.to_numpy()

调整行和列的形状，然后转换为 numpy 数组

reshaping rows and columns and then converting to numpy array

评论

评论