リストのリストからなるNumpy配列があり、以下のように行ラベルと列名を持つ2次元配列を表しています。
data = array([['','Col1','Col2'],['Row1',1,2],['Row2',3,4]])
結果として得られるDataFrameは、Row1とRow2がインデックス値、Col1とCol2がヘッダ値となるようにしたい。
インデックスの指定は以下のようにできます。
df = pd.DataFrame(data,index=data[:,0]),
しかし、列のヘッダーをどのように割り当てるのがよいのかわかりません。
のように、DataFrame`のコンストラクタにdata
, index
, columns
を指定する必要があります。
>>> 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_: @jorisさんのコメントにあるように、正しいデータ型にするためには、上記を `np.int(data[1:,1:])` に変更する必要があるかもしれません。
ここでは、わかりやすい解決策をご紹介します。
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
私はJorisに同意します。numpy record arraysのように、別の方法で行うべきだと思います。this great answer]2の "option 2" を修正すると、以下のようになります。
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)