преобразуйте объекты серии И панд в массив массивов

Question

Series to Numpy Array:

У меня есть объект серии pandas, который выглядит следующим образом:

s1 = pd.Series([0,1,2,3,4,5,6,7,8], index=['AB', 'AC','AD', 'BA','BB','BC','CA','CB','CC'])

Я хочу преобразовать эту серию в массив numpy какследует:

series_size = s1.size
dimension_len = np.sqrt(series_size) 
**Note: series_size will always have an integer sqrt

dimension_len будет определять размер каждого из измерений в желаемом 2-мерном массиве.

В вышеприведенном объекте series размер_len = 3, поэтому требуемый массив numpy будет иметь массив 3 x 3 следующим образом:

np.array([[0, 1, 2], 
[3, 4, 5],
[6,7, 8]])

Кадр данных в массив Numpy:

У меня есть pandas объект dataframe, который выглядит следующим образом:

s1 = pd.Series([0,1,2,3,4,5,6,7,8], index=['AA', 'AB','AC', 'BA','BB','BC','CA','CB','CC'])
s2 = pd.Series([-2,2], index=['AB','BA'])
s3 = pd.Series([4,3,-3,-4], index=['AC','BC', 'CB','CA'])

df = pd.concat([s1, s2, s3], axis=1)

max_size = max(s1.size, s2.size, s3.size)

dimension_len = np.sqrt(max_size)
num_columns = len(df.columns)
**Note: max_size will always have an integer sqrt

Результирующий массив numpy будет определяться следующей информацией:

num_columns = определяет числоизмерений массива размер_лен = определяет размер каждого измерения

. В приведенном выше примере требуемый массив numpy будет иметь размер 3 x 3 x 3 (num_columns = 3 и dimension_len = 3)

Также первый столбец df станет DESIRED_ARRAY [0], второй столбец df станет DESIRED_ARRAY [1], третий столбец df станет DESIRED_ARRAY [2] и так далее ...

Нужный массив, который я хочу, выглядит так:

np.array([[[0, 1, 2], 
[3, 4, 5],
[6, 7, 8]],

[[np.nan,-2, np.nan],
[2, np.nan, np.nan],
[np.nan, np.nan, np.nan]],

[[np.nan,np.nan, 4],
[np.nan, np.nan, 3],
[-4, -3, np.nan]],
])

Answer 1

IIUC, вы можете попробовать numpy транспонировать и reshape

df.values.T.reshape(-1,  int(dimension_len), int(dimension_len))

Out[30]:
array([[[ 0.,  1.,  2.],
        [ 3.,  4.,  5.],
        [ 6.,  7.,  8.]],

       [[nan, -2., nan],
        [ 2., nan, nan],
        [nan, nan, nan]],

       [[nan, nan,  4.],
        [nan, nan,  3.],
        [-4., -3., nan]]])