将多索引转换为行式多维 NumPy 数组。

假设我有一个类似于以下示例的 MultiIndex DataFrame多索引文档 http://pandas.pydata.org/pandas-docs/stable/advanced.html.

>>> df 
               0   1   2   3
first second                
bar   one      0   1   2   3
      two      4   5   6   7
baz   one      8   9  10  11
      two     12  13  14  15
foo   one     16  17  18  19
      two     20  21  22  23
qux   one     24  25  26  27
      two     28  29  30  31

我想从这个 DataFrame 生成一个具有 3 维结构的 NumPy 数组，例如

>>> desired_arr
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

       [[ 8, 12],
        [ 9, 13],
        [10, 14],
        [11, 15]],

       [[16, 20],
        [17, 21],
        [18, 22],
        [19, 23]],

       [[24, 28],
        [25, 29],
        [26, 30],
        [27, 31]]])

我怎样才能这样做?

希望这里发生的事情很清楚 - 我通过第一级有效地取消了 DataFrame 的堆叠，然后尝试将结果列 MultiIndex 中的每个顶层转换为它自己的二维数组。

我可以做到一半

>>> df.unstack(1)
         0       1       2       3    
second one two one two one two one two
first                                 
bar      0   4   1   5   2   6   3   7
baz      8  12   9  13  10  14  11  15
foo     16  20  17  21  18  22  19  23
qux     24  28  25  29  26  30  27  31

但随后我正在努力寻找一种好方法将每一列转换为二维数组，然后将它们连接在一起，而不仅仅是使用循环和列表显式地这样做。

我觉得应该有某种方法让我预先指定我想要的 NumPy 数组的形状，用np.nan然后使用特定的迭代顺序用我的 DataFrame 填充值，但我还没有设法用这种方法解决问题。

生成示例 DataFrame

iterables = [['bar', 'baz', 'foo', 'qux'], ['one', 'two']]
ind = pd.MultiIndex.from_product(iterables, names=['first', 'second'])
df = pd.DataFrame(np.arange(8*4).reshape((8, 4)), index=ind)

Some reshape https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html and swapaxes https://docs.scipy.org/doc/numpy-1.10.0/reference/generated/numpy.swapaxes.html magic -

df.values.reshape(4,2,-1).swapaxes(1,2)

可概括为 -

m,n = len(df.index.levels[0]), len(df.index.levels[1])
arr = df.values.reshape(m,n,-1).swapaxes(1,2)

基本上将第一个轴分成两个长度4 and 2创建一个3D数组，然后交换最后两个轴，即推入长度轴2到后面（作为最后一个）。

示例输出 -

In [35]: df.values.reshape(4,2,-1).swapaxes(1,2)
Out[35]: 
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

       [[ 8, 12],
        [ 9, 13],
        [10, 14],
        [11, 15]],

       [[16, 20],
        [17, 21],
        [18, 22],
        [19, 23]],

       [[24, 28],
        [25, 29],
        [26, 30],
        [27, 31]]])