Pandas 将列类型从列表转换为 np.array

我正在尝试将一个函数应用于 pandas 数据框，这样的函数需要两个 np.array 作为输入，并且它使用定义良好的模型来拟合它们。

关键是我无法从选定的列开始应用此函数，因为它们的“行”包含从 JSON 文件读取的列表，而不是 np.array。

现在，我尝试了不同的解决方案：

#Here is where I discover the problem

train_df['result'] = train_df.apply(my_function(train_df['col1'],train_df['col2']))

#so I've tried to cast the Series before passing them to the function in both these ways:

X_col1_casted = trai_df['col1'].dtype(np.array)
X_col2_casted = trai_df['col2'].dtype(np.array)

不起作用。

X_col1_casted = trai_df['col1'].astype(np.array)
X_col2_casted = trai_df['col2'].astype(np.array)

不起作用。

X_col1_casted = trai_df['col1'].dtype(np.array)
X_col2_casted = trai_df['col2'].dtype(np.array)

不起作用。

我现在想做的是一个漫长的过程，例如：

从未转换的列系列开始，将它们转换为 list()，对其进行迭代，将函数应用于 np.array() 单个元素，并将结果附加到临时列表中。完成后，我会将这个列表转换为一个新列。 （显然，我不知道它是否会起作用）

你们有人知道如何帮助我吗？

编辑： 为了清楚起见，我添加一个例子：

该函数假设有两个 np.array 作为输入。现在它有两个列表，因为它们是从 json 文件中检索的。情况是这样的：

col1        col2    result
[1,2,3]     [4,5,6]  [5,7,9]
[0,0,0]     [1,2,3]  [1,2,3]

显然，该函数不是求和函数，而是一个自身函数。暂时假设这个总和只能从数组开始，不能从列表开始，我该怎么办？

提前致谢

Use apply将每个元素转换为其等效数组：

df['col1'] = df['col1'].apply(lambda x: np.array(x))

type(df['col1'].iloc[0])
numpy.ndarray

Data:

df = pd.DataFrame({'col1': [[1,2,3],[0,0,0]]})
df