私は2500万レコード以上のパンダデータフレームに非常に疎なデータを持っています。これを多次元配列に変換する必要があります。私はこれをループを使って簡単な方法で書いていますが、より効率的な方法があるかどうか疑問に思っていました。pandas dfを多次元numpy配列に変換します
import numpy as np
import pandas as pd
facts_pd = pd.DataFrame.from_records(columns=['name','offset','code'],
data=[('John', -928, 'dx_434'), ('Steve',-757,'dx_5859'), ('Jack',-800,'dx_250'),
('John',-919,'dx_401'),('John',-956,'dx_5859')])
name_lu = pd.DataFrame(sorted(facts_pd['name'].unique()), columns=['name'])
name_lu["nameid"] = name_lu.index
offset_lu = pd.DataFrame(sorted(facts_pd['offset'].unique(), reverse=True), columns=['offset'])
offset_lu["offsetid"] = offset_lu.index
code_lu = pd.DataFrame(sorted(facts_pd['code'].unique()), columns=['code'])
code_lu["codeid"] = code_lu.index
facts_pd = pd.merge(pd.merge(pd.merge(facts_pd, name_lu, how="left", on="name")
, offset_lu, how="left", on="offset"), code_lu, how="left", on="code")
facts_pd.drop(["name","offset","code"], inplace=True, axis=1)
facts_np = np.zeros((len(name_lu),len(offset_lu),len(code_lu)))
for row in facts_pd.iterrows():
i,j,k = row[1]
facts_np[i][j][k] = 1
私は '.values'と' .reshape'を使って素早く行うべきだと思います。あなたは、あなたの入力がどのように見えるのか、それをどのように変換したいのか、いくつかのおもちゃのデータについてどうかを教えてください。 –
私の入力は 'facts_pd'のように見え、' facts_np'のように出力したいです。 – ironv
ありがとうございます。実際のデータ値やおもちゃのサンプルを参考にしています。 '行[1] 'に何が入っているのか、それをどのように翻訳したいのかははっきりしていません。 –