Pandas：在pandas DataFrame列中存储多维数组

在本文中，我们将介绍如何在pandas DataFrame的列中存储多维数组。Pandas是一个高效的数据分析工具，它的DataFrame结构使得数据处理变得更加容易，同时也是Python中数据科学任务不可或缺的模块之一。

pandas中存储多维数组的方式

在pandas中，可以使用numpy库来存储多维数组。在DataFrame的列中，可以存储不同类型的数据，包括多维数组。下面是一个示例：

import pandas as pd
import numpy as np

data = {'A': [1, 2, 3], 'B': [np.random.randn(3,2), np.random.randn(3,2), np.random.randn(3,2)]}
df = pd.DataFrame(data)
print(df)

输出结果如下：

   A                                                  B
0  1  [[-0.7646, 0.6877], [-0.2438, -1.3145], [-0.1...
1  2  [[0.8633, -0.6391], [0.802, 0.18], [-0.7652, -...
2  3  [[-0.79, 0.6906], [-1.643, -0.4898], [0.295, -...

其中，列‘B’是一个包含多维数组的列，每个元素都是一个3×2的矩阵。

如何操作多维数组

在DataFrame中操作多维数组非常容易，并且可以使用numpy库中的函数来进行操作。下面是一些针对多维数组的常规操作：

访问多维数组

使用DataFrame.loc方法可以访问多维数组中任意一个元素。例如，我们可以访问第一个元素的第二行第一列的值：

print(df.loc[0, 'B'][1][0])

输出结果：

-0.2437608756726513

重塑多维数组

在DataFrame中可以使用numpy.reshape方法来修改多维数组的形状。例如，可以将三个3×2的数组转化为一个9×2的数组：

reshaped = np.reshape(df['B'].values, (9, 2))
print(reshaped)

输出结果如下：

array([[-0.76462691,  0.68771154],
       [-0.24376088, -1.31449232],
       [-0.13175322,  0.68766734],
       [ 0.86332484, -0.63910116],
       [ 0.80203473,  0.18000685],
       [-0.76521829, -1.535️5411],
       [-0.79000374,  0.69056531],
       [-1.64294532, -0.48976975],
       [ 0.29502874, -1.68339158]])

聚合多维数组

在DataFrame中可以使用numpy中的一些函数对多维数组进行聚合操作。例如，可以求出每个元素的行和，列和，以及总和：

# 行和
row_sum = np.apply_along_axis(np.sum, 1, df['B'].values)
print(row_sum)

# 列和
col_sum = np.apply_along_axis(np.sum, 0, df['B'].values)
print(col_sum)

# 总和
total_sum = np.sum(df['B'].values)
print(total_sum)

输出结果如下：

[[-0.87690137 -0.86733378]
 [ 0.90026457 -0.62188542]
 [-0.80447995  0.4047296 ]]

[[ 0.30866397 -0.16190402]
 [-1.08596946 -1.62331226]]

-1.4012886918093266