首页 文章

Python：打印Pandas数据帧返回numpy.ndarray属性错误

提问于
浏览 次
2

我正在尝试使用numpy数组创建一个pandas数据帧 . 数据，索引和列数组都是numpy'ndarrays'（分别是2D，1D和1D），并且为了这个例子，所有都是float64 .

import pandas as pd
import numpy as np

data = np.zeros((100, 15))
index = np.zeros((100, 1))
columns = np.zeros ((15, 1))

df1 = pd.DataFrame(data=data, index=index, columns=columns)
print(df1)

当我打印 df1 时，我收到此属性错误，我无法解决：

AttributeError：'numpy.ndarray'对象没有属性'endswith'

打印 print(df1.to_string()) 时返回相同的错误，但如果我打印 print(df1.values) ， print(df1.index) 或 print(df1.columns) ，则返回预期的值 .

我在这里错过了什么吗？不可否认，我对使用Pandas很新，但我认为这个简单的例子可以正常工作 .

python pandas numpy dataframe

2 回答

  • 1

    TL; DR

    >>> index = np.zeros(100)
>>> columns = np.zeros (15)

    细节

    您将一个元组参数传递给 np.zeros ，结果为 array of arrays .

    >>> np.zeros((15,1))
array([[ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.],
   [ 0.]])

    你得到一个错误，因为i）每个元素都是一个数组，而ii）没有为数组定义 endswith .

    index 和 columns 都采用类似列表（包括 array ）的属性 . 你不要在矩阵中使用'column'或'row'（我认为这就是你使用元组的原因） .

    你只想要一个阵列......

    >>> np.zeros(15)
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
    0.,  0.])
    回复于
  • 1

    如果source是 np.zeros((100, 15)) 和 np.zeros ((15, 1)) ，我认为你需要ravel用于创建 index 和 columns 的flatten数组数组：

    index = np.zeros((100, 1)).ravel()
columns = np.zeros ((15, 1)).ravel()

    但是如果需要索引和列的默认值，只需使用DataFrame构造函数 - index 和 columns 将设置为 np.arange(n) ，因为没有索引信息且没有列标签：

    df1 = pd.DataFrame(data=data)
print (df1)

     0    1    2    3    4    5    6    7    8    9    10   11   12   13   14
0   0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
1   0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
2   0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
3   0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
4   0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
5   0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
...
...
    回复于

相关问题