我在數據框中有一列長度為 10 的 numpy 數組。我的數據框是這樣的：0 [2.0, 1246.0, 82.0, 43.0, 569.0, 46.0, 424.0, ...1 [395.0, 2052.0, 1388.0, 8326.0, 5257.0, 176.0,...10 [4.0, 1.0, 13.0, 1409.0, 7742.0, 259.0, 1856.0...100 [4.0, 87.0, 1595.0, 706.0, 2935.0, 6028.0, 442...1000 [45.0, 582.0, 124.0, 6530.0, 6548.0, 748.0, 61...Name: embedding1, dtype: object當我使用此將其轉換為 numpy 數組數組時：input = np.asarray(df.tolist())它給出了這樣的數組：array([array([ 2., 1246., 82., 43., 569., 46., 424., 446., 1054., 39.]), array([4.0000e+00, 1.0000e+00, 1.3000e+01, 1.4090e+03, 7.7420e+03, 2.5900e+02, 1.8560e+03, 3.6181e+04, 4.2000e+01, 8.9000e+02]), ..., array([4.000e+00, 1.000e+00, 1.300e+01, 2.900e+01, 4.930e+02, 2.760e+02,1.100e+01, 6.770e+02, 6.740e+02, 5.806e+03]),], dtype=object)它給出的類型是對象。我希望對象為浮動，因為它給出了形狀（1000，），但我希望形狀為（1000,10）。我試過用這個：input1 = np.asarray(df1.tolist(),dtype=np.float)但它給出了以下錯誤：ValueError: setting an array element with a sequence.如何解決這個問題？PS：dataframe 的 row numpy 數組的所有元素都是 float 類型
1 回答
阿晨1998
TA貢獻2037條經驗 獲得超6個贊
首先，您似乎有一個pd.Series而不是數據框。
進行設置：
x = [[2.0, 1246.0, 82.0, 43.0, 569.0, 46.0, 424.0],
[395.0, 2052.0, 1388.0, 8326.0, 5257.0, 176.0],
[4.0, 1.0, 13.0, 1409.0, 7742.0, 259.0, 1856.0],
[4.0, 87.0, 1595.0, 706.0, 2935.0, 6028.0, 442],
[45.0, 582.0, 124.0, 6530.0, 6548.0, 748.0, 61]]
s = pd.Series(x)
哪個產量
0 [2.0, 1246.0, 82.0, 43.0, 569.0, 46.0, 424.0]
1 [395.0, 2052.0, 1388.0, 8326.0, 5257.0, 176.0]
2 [4.0, 1.0, 13.0, 1409.0, 7742.0, 259.0, 1856.0]
3 [4.0, 87.0, 1595.0, 706.0, 2935.0, 6028.0, 442]
4 [45.0, 582.0, 124.0, 6530.0, 6548.0, 748.0, 61]
dtype: object
你有一個pd.Series數組。看起來你想把它弄平。在列表列表中使用默認構造函數會生成一個數據框，其中每個列表都被解釋為一行：
df2 = pd.DataFrame(s.tolist())
0 1 2 3 4 5 6
0 2.0 1246.0 82.0 43.0 569.0 46.0 424.0
1 395.0 2052.0 1388.0 8326.0 5257.0 176.0 NaN
2 4.0 1.0 13.0 1409.0 7742.0 259.0 1856.0
3 4.0 87.0 1595.0 706.0 2935.0 6028.0 442.0
4 45.0 582.0 124.0 6530.0 6548.0 748.0 61.0
現在你可以得到底層np.array訪問數據框.values
df2.values
array([[2.000e+00, 1.246e+03, 8.200e+01, 4.300e+01, 5.690e+02, 4.600e+01,
4.240e+02],
[3.950e+02, 2.052e+03, 1.388e+03, 8.326e+03, 5.257e+03, 1.760e+02,
nan],
[4.000e+00, 1.000e+00, 1.300e+01, 1.409e+03, 7.742e+03, 2.590e+02,
1.856e+03],
[4.000e+00, 8.700e+01, 1.595e+03, 7.060e+02, 2.935e+03, 6.028e+03,
4.420e+02],
[4.500e+01, 5.820e+02, 1.240e+02, 6.530e+03, 6.548e+03, 7.480e+02,
6.100e+01]])
添加回答
舉報
0/150
提交
取消