如何将包含字符串对象的熊猫数据框列转换为 numpy 数组？

Question

请问我正在做一个项目，我必须做一些数据预处理我有一个看起来像这样的数据框（这只是一个简化的例子

index | pixels 
0     | 10 20 30 40 
1     | 11 12 13 14

我想将它转换为形状为 (2,2,2,1) 的 np 数组像素列的类型是对象有没有没有循环的解决方案，因为我有一个带有大图像的 28k 行数据框？我试过循环，但在我的机器上执行需要很长时间

Answer 1

使用str.split + astype + to_numpy + reshape:

a = (
    df['pixels'].str.split(' ', expand=True)
        .astype(int).to_numpy()
        .reshape((2, 2, 2, 1))
)

a:

[[[[10]
   [20]]

  [[30]
   [40]]]


 [[[11]
   [12]]

  [[13]
   [14]]]]

完整的工作示例：

import pandas as pd

df = pd.DataFrame({'pixels': ['10 20 30 40', '11 12 13 14']})

a = (
    df['pixels'].str.split(' ', expand=True)
        .astype(int).to_numpy()
        .reshape((2, 2, 2, 1))
)
print(a)

如何将包含字符串对象的熊猫数据框列转换为 numpy 数组？

how to convert a panda dataframe column containing string object to a numpy array?

python

pandas

dataframe

numpy

data-preprocessing