将两个 Pandas DataFrames 组合成一个三维 np.array

Question

我需要将两个 pandas DataFrame 连接到一个三维 np.array。例如这些数据框

df1 = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4,5,6]})

df2 = pd.DataFrame({'col1': [10, 20, 30], 'col2': [40,50,60]})

应该连接到 np.array [[[1,10],[2,20],[3,30]],[[4,40],[5,50],[6,60]]]。

我最初的想法是使用以下公式压缩 DataFrame：

dfnew=df1.copy()

for i in range(len(dfnew.columns)):

dfnew[dfnew.columns[i]]=list(map(list, zip(df1.iloc[:,i],df2.iloc[:,i])))

不幸的是，这不起作用，因为它创建了一个包含列表的二维数组：

array([[list([1, 10]), list([4, 40])],

       [list([2, 20]), list([5, 50])],

       [list([3, 30]), list([6, 60])]], dtype=object)

np.array(dfnew).shape -> (3,2)

由于数组的形状不是三维的，所以我不能在下面的过程中使用数组。

你能帮我把二维数组转换成三维数组吗？或者你有其他解决问题的方法吗？

非常感谢你！

Answer 1

这应该可以解决问题result = np.array([np.transpose(i) for i in zip(df1.to_numpy().T, df2.to_numpy().T)])