2

我有 3 个数据集，第一个名为 Data 的数据集包含我的数据；该表有 5 列和 3 行 - 每列代表一个特定位置，可以用一组 X、Y 位置标识，每行代表一个特定深度 (Z)；第二个数据集包含 5 个 X、Y 位置（第一个数据集的列），而第三个文件包含 3 个 Z 值（数据表的行）

生成我的数据

import numpy as np 
Data = np.arange(1, 16).reshape(3, 5) #holds the 'data' I am interested in
X = [0, 0, 1, 1, 2] #create 'X', 'Y' values
Y = [0, 1, 0, 1, 0]
XY = np.array((X, Y)).reshape(5, 2) # this is the format I have the 'X' and 'Y' values
Z = [-1, -5, -10] 
z = np.array(Z)

我现在想组合所有并拥有一个新的 X、Y、Z、数据格式的 numpy 数组（或 pandas 数据框），例如给定表的前 3 行的数据应该是：

X Y  Z Data #this is a header, I just add it to make reading easier
0 0  -1   1
0 0  -5   6
0 0 -10  11
0 1  -1   2
0 1  -5   7
0 1 -10  12

ETC....

关于如何做到这一点的任何提示都会很棒我正在考虑使用熊猫创建正确的（多）索引列，但我找不到正确的方法

4

1 回答 1

2

从 X 和 Y 构建一个 MultiIndex，并使用 unstack。

In [4]: columns = pd.MultiIndex.from_arrays([X, Y])

In [5]: df = DataFrame(Data, columns=columns, index=Z)

In [6]: df
Out[6]: 
      0       1       2
      0   1   0   1   0
-1    1   2   3   4   5
-5    6   7   8   9  10
-10  11  12  13  14  15

In [7]: df1 = df.unstack().reset_index()

In [8]: df1.columns = ['X', 'Y', 'Z', 'Data']

In [9]: df1
Out[9]: 
    X  Y   Z  Data
0   0  0  -1     1
1   0  0  -5     6
2   0  0 -10    11
3   0  1  -1     2
4   0  1  -5     7
5   0  1 -10    12
6   1  0  -1     3
7   1  0  -5     8
8   1  0 -10    13
9   1  1  -1     4
10  1  1  -5     9
11  1  1 -10    14
12  2  0  -1     5
13  2  0  -5    10
14  2  0 -10    15

我选择制作 X、Y 和 Z 适当的列 ( reset_index())，而不是将它们保留为三级 MultiIndex。通常，这更清洁，更有用。

于 2013-10-14T18:32:01.547 回答