我有超過 100 萬行（準確地說是 1,125,000）和 150 列的 numpy 陣列。我希望能夠為它的所有列提取該陣列的某些部分，但只提取某些行。例如，第一個子集陣列 (df) 具有原始大陣列的所有列但僅包含 (:, 56:67, 56:67) [基本上所有第一個維度中的 50 個，但對于 i 和j 維，僅選擇其中的 56 到 68 個切片，當重新整形為 numpy 3d 陣列時，這將是每列的 50 乘以 11 乘以 11 = 6050]。考慮到我原始 bdata 的大小（1125000、150），是否有任何 pythonic 方式來執行此類操作？
下面是我的示例 3 列陣列的示例代碼：
import numpy as np
import pandas as pd
data_1 = np.random.random((50,150, 150))
data_2 = np.random.random((50,150, 150))
data_3 = np.random.random((50,150, 150))
big_array = np.concatenate((data_1, data_2, data_3), axis=1).reshape(1125000, 3)
df= pd.DataFrame()
for i in range(big_array.shape[1]):
df_1 = big_array[:,i]
print(df_1.shape)
df_1 = df_1.reshape(50, 150, 150)
df_1 = df_1[:, 56:67, 56:67].reshape(-1)
print(df_1.shape)
df_2 = pd.DataFrame(df_1)
df_2[i] = df_2
print(df_2.shape)
#df = pd.concat([df_2[i]], axis=1)
df = df.append(df_2[i])
print(i)
df.T
uj5u.com熱心網友回復：
IIUC，看起來您可以重塑形狀，使big_array您的形狀為(50,150, 150,3)，因此最后一個維度是big_array實際情況下的列數或 150，但您也可以使用big_array.shape[1]。然后使用您在回圈中執行的相同切片選擇您想要的所有資料，除了在最后一個維度中獲取所有資料。然后reshape再次獲得 X 行和 3（或big_array.shape[1]）列。所以像。
res = pd.DataFrame(big_array.reshape(50, 150, 150,big_array.shape[1])[:,56:67, 56:67,:]
.reshape(-1,big_array.shape[1]))
我用我的亂數進行了測驗并np.allclose(df.T,res)給出了 True （df用你的回圈方法創建的地方）。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/528658.html
標籤：Python熊猫麻木的
上一篇：將陣列作為引數傳遞python