将 3D numpy 数组合并到 pandas Dataframe + 1D 向量中

Question

我有一个数据集，它是一个形状为 (1536 x 16 x 48) 的 numpy 数组。对这些维度的简要说明可能会有所帮助：

• 数据集由 EEG 传感器以 256Hz 的速率（1 秒 = 256 个测量值/值）收集的数据组成；
• 1536 个值代表 6 秒的 EEG 数据 (256 * 6 = 1536)；
• 16 是用于收集数据的电极数量；
• 48 是样本数。

总结：我有 48 个 6 秒（1536 个值）的 EEG 数据样本，由 16 个电极收集。

我需要用所有这些数据创建一个 pandas 数据框，因此将这个 3D 数组转换为 2D。如果我将所有样本堆叠在一起，则可以删除深度尺寸（48）。所以新数据集的形状将是 (1536 * 48) x 16。

除此之外，由于这是一个分类问题，我有一个包含 48 个值的向量，代表每个 EEG 样本的类别。新数据集也应将其作为“类”列，然后实际形状为：(1536 * 48) x 16 + 1（类）。

我可以轻松地循环遍历 3D 数组的深度维度，并将所有内容连接成一个 2D 新数组。但这看起来很糟糕，因为我将处理许多像这样的数据集。性能是个问题。我想知道是否有更聪明的方法。

我试图为这个问题提供尽可能多的信息，但由于这不是一项简单的任务，如果需要，请随时询问更多细节。

提前致谢。

Answer 1

设置

>>> import numpy as np
>>> import pandas as pd
>>> a = np.zeros((4,3,3),dtype=int) + [0,1,2]
>>> a *= 10
>>> a += np.array([1,2,3,4])[:,None,None]
>>> a
array([[[ 1, 11, 21],
        [ 1, 11, 21],
        [ 1, 11, 21]],

       [[ 2, 12, 22],
        [ 2, 12, 22],
        [ 2, 12, 22]],

       [[ 3, 13, 23],
        [ 3, 13, 23],
        [ 3, 13, 23]],

       [[ 4, 14, 24],
        [ 4, 14, 24],
        [ 4, 14, 24]]])

沿最后一个维度均匀分割；堆叠那些元素，重塑，馈送到DataFrame。使用数组维度的长度可以简化过程。

>>> d0,d1,d2 = a.shape
>>> pd.DataFrame(np.stack(np.dsplit(a,d2)).reshape(d0*d2,d1))
     0   1   2
0    1   1   1
1    2   2   2
2    3   3   3
3    4   4   4
4   11  11  11
5   12  12  12
6   13  13  13
7   14  14  14
8   21  21  21
9   22  22  22
10  23  23  23
11  24  24  24
>>>

使用你的形状。

>>> b = np.random.random((1536, 16, 48))
>>> d0,d1,d2 = b.shape
>>> df = pd.DataFrame(np.stack(np.dsplit(b,d2)).reshape(d0*d2,d1))
>>> df.shape
(73728, 16)
>>>

---

从 3d 数组制作 DataFrame 后，将分类列添加到其中，df['class'] = data。 - Column selection, addition, deletion

Answer 2

对于 numpy 部分

x = np.random.random((1536, 16, 48)) # ndarray with simillar shape
x = x.swapaxes(1,2) # swap axes 1 and 2 i.e 16 and 48
x = x.reshape((-1, 16), order='C') # order is important, you may want to check the docs
c = np.zeros((x.shape[0], 1)) # class column, shape=(73728, 1)
x = np.hstack((x, c)) # final dataset
x.shape

输出

(73728, 17)

或一行

x = np.hstack((x.swapaxes(1,2).reshape((-1, 16), order='C'), c))

最后，

x = pd.DataFrame(x)