Creación de un DataFrame de Pandas a partir de un array de Numpy: ¿Cómo especifico la columna índice y las cabeceras de las columnas?

Tengo un array Numpy que consiste en una lista de listas, representando un array bidimensional con etiquetas de fila y nombres de columna como se muestra a continuación:

data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])

Me gustaría que el DataFrame resultante tuviera Row1 y Row2 como valores de índice, y Col1, Col2 como valores de cabecera

Puedo especificar el índice de la siguiente manera

df = pd.DataFrame(data,index=data[:,0]),

sin embargo, no estoy seguro de la mejor manera de asignar los encabezados de las columnas.

Georgy
Pregunta editada 17º abril 2018 в 12:53
Programación
python pandas numpy
24º diciembre 2013 в 3:09
17 vistas
Solución

Tienes que especificar data, index y columnas al constructor DataFrame, como en:

>>> pd.DataFrame(data=data[1:,1:],    # values
...              index=data[1:,0],    # 1st column as index
...              columns=data[0,1:])  # 1st row as the column names

edit: como en el comentario de @joris, puede que tengas que cambiar lo anterior por np.int_(data[1:,1:]) para tener el tipo de datos correcto.

behzad.nouri
Respuesta editada 6º marzo 2016 в 12:28
Comentarios (2)

He aquí una solución fácil de entender

import numpy as np
import pandas as pd

# Creating a 2 dimensional numpy array
>>> data = np.array([[5.8, 2.8], [6.0, 2.2]])
>>> print(data)
>>> data
array([[5.8, 2.8],
       [6. , 2.2]])

# Creating pandas dataframe from numpy array
>>> dataset = pd.DataFrame({'Column1': data[:, 0], 'Column2': data[:, 1]})
>>> print(dataset)
   Column1  Column2
0      5.8      2.8
1      6.0      2.2
Jaroslav Bezděk
Respuesta editada 7º agosto 2019 в 8:34
Comentarios (1)

Estoy de acuerdo con Joris; parece que deberías hacerlo de otra manera, como con numpy record arrays. Modificando "la opción 2" de esta gran respuesta, podrías hacerlo así:

import pandas
import numpy

dtype = [('Col1','int32'), ('Col2','float32'), ('Col3','float32')]
values = numpy.zeros(20, dtype=dtype)
index = ['Row'+str(i) for i in range(1, len(values)+1)]

df = pandas.DataFrame(values, index=index)
Community
Respuesta editada 23º mayo 2017 в 12:26
Comentarios (0)