Numpy配列からのPandas DataFrameの作成：インデックス列と列ヘッダーを指定するにはどうすればよいですか？

281

以下に示すように、行ラベルと列名を持つ2次元配列を表すリストのリストで構成されるNumpy配列があります。

data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])

結果のDataFrameにRow1とRow2をインデックス値として、Col1とCol2をヘッダー値として設定します

インデックスは次のように指定できます。

df = pd.DataFrame(data,index=data[:,0]),

ただし、列ヘッダーを最適に割り当てる方法がわかりません。

python pandas numpy

— ユーザー3132783
ソース

3

@ behzad.nouriの答えは正しいですが、初期データを別の形式で保持できない場合は、検討する必要があると思います。これで、値は整数ではなく文字列になります（numpy配列は整数と文字列が混在しているため、numpy配列は同種でなければならないため、すべて文字列にキャストされます）。

— joris

315

あなたは指定する必要がありdata、indexおよびcolumnsへDataFrameのように、コンストラクタ：

>>> pd.DataFrame(data=data[1:,1:],    # values
...              index=data[1:,0],    # 1st column as index
...              columns=data[0,1:])  # 1st row as the column names

編集：@jorisコメントと同様に、np.int_(data[1:,1:])正しいデータ型にするために上記の変更が必要になる場合があります。

— behzad.nouri
ソース

7

これは機能しますが、入力データのこのような一般的な構造と目的のアプリケーションにDataFrame「ショートカット」はありませんか？これは基本的にcsvsがロードされる方法であり、多くのcsvリーダーのデフォルトの処理で管理できます。dfの類似の構造が役立ちます。

— javadba

補足的な回答として、これにミニヘルパー/便利なメソッドを追加しました。

— javadba 2018年

93

これは簡単に理解できる解決策です

import numpy as np
import pandas as pd

# Creating a 2 dimensional numpy array
>>> data = np.array([[5.8, 2.8], [6.0, 2.2]])
>>> print(data)
>>> data
array([[5.8, 2.8],
       [6. , 2.2]])

# Creating pandas dataframe from numpy array
>>> dataset = pd.DataFrame({'Column1': data[:, 0], 'Column2': data[:, 1]})
>>> print(dataset)
   Column1  Column2
0      5.8      2.8
1      6.0      2.2

— ジャガンナート・バナジー
ソース

20

しかし、Series名前を手動で指定する必要がありました。それはスケーラブルではありません。

— javadba

24

私はジョリスに同意します。numpyレコード配列のように、これを別の方法で行う必要があるようです。この素晴らしい答えから「オプション2」を変更すると、次のようになります。

import pandas
import numpy

dtype = [('Col1','int32'), ('Col2','float32'), ('Col3','float32')]
values = numpy.zeros(20, dtype=dtype)
index = ['Row'+str(i) for i in range(1, len(values)+1)]

df = pandas.DataFrame(values, index=index)

— ライアンジディロン
ソース

13

これは、pandas DataFrameのfrom_recordsを使用するだけで実行できます。

import numpy as np
import pandas as pd
# Creating a numpy array
x = np.arange(1,10,1).reshape(-1,1)
dataframe = pd.DataFrame.from_records(x)

— アーディル・スリバスタヴァ
ソース

この回答は、質問で提供されたサンプルデータ（つまり、）では機能しませんdata = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])。

— jpp 2018年

ラベルを指定していない場合の最も簡単な一般的な解決策。

— cerebrou

12

    >>import pandas as pd
    >>import numpy as np
    >>data.shape
    (480,193)
    >>type(data)
    numpy.ndarray
    >>df=pd.DataFrame(data=data[0:,0:],
    ...        index=[i for i in range(data.shape[0])],
    ...        columns=['f'+str(i) for i in range(data.shape[1])])
    >>df.head()
    [![array to dataframe][1]][1]

— ラフル・バーマ
ソース

8

@ behzad.nouriの答えに追加-この一般的なシナリオを処理するヘルパールーチンを作成できます。

def csvDf(dat,**kwargs): 
  from numpy import array
  data = array(dat)
  if data is None or len(data)==0 or len(data[0])==0:
    return None
  else:
    return pd.DataFrame(data[1:,1:],index=data[1:,0],columns=data[0,1:],**kwargs)

試してみましょう：

data = [['','a','b','c'],['row1','row1cola','row1colb','row1colc'],
     ['row2','row2cola','row2colb','row2colc'],['row3','row3cola','row3colb','row3colc']]
csvDf(data)

In [61]: csvDf(data)
Out[61]:
             a         b         c
row1  row1cola  row1colb  row1colc
row2  row2cola  row2colb  row2colc
row3  row3cola  row3colb  row3colc

— javadba
ソース