Pandas将列类型从列表转换为np.array

Question

我正在尝试将函数应用于pandas数据帧,这样的函数需要两个np.array作为输入,并且它使用定义良好的模型来拟合它们.

关键是我无法从所选列开始应用此函数,因为它们的"行"包含从JSON文件而不是np.array读取的列表.

现在,我尝试了不同的解决方案:

#Here is where I discover the problem

train_df['result'] = train_df.apply(my_function(train_df['col1'],train_df['col2']))

#so I've tried to cast the Series before passing them to the function in both these ways:

X_col1_casted = trai_df['col1'].dtype(np.array)
X_col2_casted = trai_df['col2'].dtype(np.array)

不起作用.

X_col1_casted = trai_df['col1'].astype(np.array)
X_col2_casted = trai_df['col2'].astype(np.array)

不起作用.

X_col1_casted = trai_df['col1'].dtype(np.array)
X_col2_casted = trai_df['col2'].dtype(np.array)

不行.

我现在想做的是一个很长的过程,如:

从未发布的列系列开始,将它们转换为list(),迭代它们将函数应用于np.array()单个元素,并将结果附加到临时列表中.完成后,我将此列表转换为新列.(显然,我不知道它是否会起作用)

你们中的任何人都知道如何帮助我吗？

编辑:我添加一个例子清楚:

该函数假定输入两个np.arrays.现在它有两个列表,因为它们是从json文件中检索的.情况是这样的:

col1        col2    result
[1,2,3]     [4,5,6]  [5,7,9]
[0,0,0]     [1,2,3]  [1,2,3]

显然,功能不是总和,而是自己的功能.假设这个总和只能从数组而不是表单开始工作,我该怎么办？

提前致谢

Answer 1

使用apply每个元素转换为它的等效阵:

df['col1'] = df['col1'].apply(lambda x: np.array(x))

type(df['col1'].iloc[0])
numpy.ndarray

数据:

df = pd.DataFrame({'col1': [[1,2,3],[0,0,0]]})
df