如何将包装为字符串的向量转换为 Pandas 数据帧中的 numpy 数组？

Question

我有一个带有一列向量的 Pandas 数据框，我想对其执行矩阵运算。然而，经过仔细检查，这些向量都被包装成字符串，其中似乎嵌入了换行符：

如何将此列中的每个向量转换为 numpy 数组？我试过了

df['Word Vector'].as_matrix

和

np.array(df['Word Vector'])

也

df['Word Vector'] = df['Word Vector'].astype(np.array)

但没有产生预期的结果。任何指针将不胜感激！

Answer 1

希望以下内容如您所愿

import pandas as pd
import numpy as np

x = str(np.arange(1,100))
df = pd.DataFrame([x,x,x,x])
df.columns = ['words']
print 'sample'
print df.head()
result = df['words'].apply(lambda x: 
                           np.fromstring(
                               x.replace('\n','')
                                .replace('[','')
                                .replace(']','')
                                .replace('  ',' '), sep=' '))
print 'result'
print result

输出如下

    sample
                                               words
0  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
1  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
2  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
3  [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 ...
result
0    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...
1    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...
2    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...
3    [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, ...

多次调用replace函数并不优雅。但是我没有找到更好的方法。无论如何，它应该可以帮助您将字符串转换为向量。

附注，由于数据以图片形式呈现，您最好检查一下您的数据分隔是按空格还是按制表符完成的。如果是制表符，将 sep=' ' 改为 sep='\t'