如何在 NumPy 数组中创建索引列？

Question

我知道，这个问题好像很容易回答，但是，我只是纠结于是否有办法做到这一点。

我有一个 DataFrame（带索引），我向该框架插入了一个新列，该列能够每 10 行分组一次，并且每组的数字从 1 到 ...。我使用了这个非常基本的代码并且它起作用了！

df1.insert(0, 'Data', (df.index // 10) + 1)

问题是；现在，我有一个 NumPy 数组 (unit8)，其中不包含索引，这就是上面的代码不适用于相同条件的原因。我想做同样的事情，代码将每 10 行计数一次，将它们分组，并在新添加的列中为每个组添加一个数字。

Answer 1

我不确定我是否理解您的问题（也许您可以举一个您正在使用的代码示例）。无论如何，我认为一个可能的解决方案是将您的数组转换为只有一列的数据框（现在您有了索引），然后应用您的公式：

import pandas as pd
import numpy as np
arr = np.random.normal(size = 100) # just a random array
df = pd.DataFrame(arr, columns = ['arr'])
print(df)

您将获得：

        arr
0  -0.834342
1   2.156343
2  -0.527963
3  -0.311767
4   1.029866
..       ...
95  0.047856
96 -1.009195
97 -0.239678
98  0.393085
99 -1.277784

Answer 2

使用np.repeat:

m = np.arange(1, 24)

n = np.repeat(np.arange(1, np.ceil(len(m) / 10) + 1), 10)[:len(m)]

输出：

>>> np.vstack([n, m]).T
array([[ 1.,  1.],
       [ 1.,  2.],
       [ 1.,  3.],
       [ 1.,  4.],
       [ 1.,  5.],
       [ 1.,  6.],
       [ 1.,  7.],
       [ 1.,  8.],
       [ 1.,  9.],
       [ 1., 10.],
       [ 2., 11.],
       [ 2., 12.],
       [ 2., 13.],
       [ 2., 14.],
       [ 2., 15.],
       [ 2., 16.],
       [ 2., 17.],
       [ 2., 18.],
       [ 2., 19.],
       [ 2., 20.],
       [ 3., 21.],
       [ 3., 22.],
       [ 3., 23.]])

Answer 3

所以如果我理解你的问题，那么你必须向你的（大概）一维数组添加一列。

import numpy as np
array = np.random.randint(0, 100,size=100) # random numpy array (1D)
index = np.arange(array.shape[0]) # create index array for indexing
array_with_indices = np.c_[array, index]
array_with indices[:, 1] // 10 + 1 # taking second column as it contains the indices
# or we can convert it to a dataframe if you prefer
df = pd.DataFrame(array, index = index)
# then it should work perfectly
df.index//10 + 1

然后就可以插入df1了。

如何在 NumPy 数组中创建索引列？

How to make an index column in NumPy array?

numpy

dataframe

pandas

numpy-ndarray