python - 如何将来自多个数据帧的数据组合成一个以数组作为数据值的数据帧

Question

如果我有许多具有相同索引结构的熊猫数据框，我想创建一个具有相同索引结构但数据值为 np.arrays 的数据框（实际上我想要 np.matrix。）

合并似乎可以通过简单的操作 df1 + df2 明智地添加元素，但 np.array((df1,df2)) 根本没有做我想要的。

熊猫是否有一种方法可以做到这一点，而无需逐个元素地重建整个对象？

例如，如果我有

df1 =       col1    col2
      1        1       2
      2        3       4
df2 =       col1    col2
      1        5       6
      2        7       8

并且想要

df2 =       col1    col2
      1    [1,5]   [2,6]
      2    [3,7]   [4,8]

Answer 1

我会使用 Panel 结构来做到这一点：

In [11]: p = pd.Panel({'df1': df1, 'df2': df2})

In [12]: p['df1']
Out[12]:
   col1  col2
1     1     2
2     3     4

您可以在主轴上进行应用：

In [13]: p.apply(np.sum, axis='major')  # use linalg function here instead of np.sum
Out[13]:
      df1  df2
col1    4   12
col2    6   14

注意：对于每个 (df, col) 对，您正在应用一个 numpy 数组：

In [21]: def f(x):
              print(repr(x))
              return 1

In [22]: p.apply(f, 'major')
array([1, 3])
array([2, 4])
array([5, 7])
array([6, 8])
Out[22]:
      df1  df2
col1    1    1
col2    1    1

您可以选择另一个 numpy/linalg 函数（或创建自己的函数）。

更新：实际上这不是你想要的，你必须使用 items 轴：

In [31]: p.apply(f, 'items')
array([1, 5])
array([2, 6])
array([3, 7])
array([4, 8])
Out[31]:
   col1  col2
1     1     1
2     1     1