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.
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.
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
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)