python - 每行列出熊猫中的二维数组需要更有效的方式
问题描述
我有一个用于列表的熊猫数据框。每个列表都可以np.asarray(list)
用来将列表转换为 numpy 数组。数组的形状应该是(263,300)
,所以我这样做
a=dataframe.to_numpy()
# a.shape is (100000,)
output_array=np.array([])
for list in a:
output_array=np.append(output_array,np.asarray(list))
由于我的熊猫中有 100000 行,所以我希望得到
output_array.shape is (100000,263,300)
它有效,但需要很长时间。我想知道我的代码的哪一部分成本最高以及如何解决它。有没有更有效的方法来实现这一目标?谢谢!
解决方案
推荐阅读
- c++ - OpenGL着色器和绘图命令的共存
- amazon-web-services - CDK Lambda 和 S3 工件循环依赖
- css - 如何确保我的 CSS 样式正确应用于从数组映射的项目
- python - 在 Python 中比较列表的匹配元素
- python - 找到具有缩放和非缩放数据的最佳集群数量的问题
- c# - 如何让机器人明白我在网络聊天中说印地语
- c# - 绑定到过滤后的可观察集合
- regex - grep 没有显示不可打印的分隔符
- amazon-web-services - AWS BATCH - 如何运行更多并发作业
- unity3d - Unity 角色控制器使用 W + A/D 键防止移动堆叠