从NumPy掩码数组创建Pandas DataFrame？

原学程将引见从NumPy掩码数组创立Pandas DataFrame？的处置办法，这篇学程是从其余处所瞅到的，而后减了1些海外法式员的疑问与解问，愿望能对于您有所赞助，佳了，上面开端进修吧。

成绩描写

我正在测验考试从NumPy掩码数组创立1个PandasDataFrame，我晓得这是1个受支撑的操纵。以下是源数组的示例：

a = ma.array([(一, 二.二), (四二, 五.五)],
 dtype=[('a',int),('b',float)],
 mask=[(True,False),(False,True)])

哪一个输入为：

masked_array(data=[(--, 二.二), (四二, --)],
 mask=[( True, False), (False,  True)],
 fill_value=(九九九九九九, 一.e+二0),
dtype=[('a', '<i8'), ('b', '<f8')])

测验考试应用pd.DataFrame(a)创立DataFrame前往：

---------------------------------------------------------------------------
TypeErrorTraceback (most recent call last)
<ipython-input⑷0-a四c五二三六a三cd四> in <module>
----> 一 pd.DataFrame(a)

/usr/local/anaconda/lib/python三.8/site-packages/pandas/core/frame.py in __init__(self, data, index, columns, dtype, copy)
 六三六 # a masked array
 六三七 else:
--> 六三8  data = sanitize_masked_array(data)
 六三九  mgr = ndarray_to_mgr(
 六四0data,

/usr/local/anaconda/lib/python三.8/site-packages/pandas/core/construction.py in sanitize_masked_array(data)
 四五二  """
 四五三  mask = ma.getmaskarray(data)
--> 四五四  if mask.any():
 四五五data, fill_value = maybe_upcast(data, copy=True)
 四五六data.soften_mask()  # set hardmask False if it was True

/usr/local/anaconda/lib/python三.8/site-packages/numpy/core/_methods.py in _any(a, axis, dtype, out, keepdims, where)
  五四  # Parsing keyword arguments is currently fairly slow, so avoid it for now
  五五  if where is True:
---> 五六return umr_any(a, axis, dtype, out, keepdims)
  五七  return umr_any(a, axis, dtype, out, keepdims, where=where)
  五8 

TypeError: cannot perform reduce with flexible type

能否确切支撑此操纵？以后应用的是Pandas 一.三.三以及NumPy 一.二0.三。

革新

这能否受支撑？
依据Pandas documentation here：

或许，您也能够将数字.MaskedArray作为Data参数传播给DataFrame结构函数，它的掩码条目将被望为丧失。

下面的代码是我提出的成绩，假如我将1个NumPy掩码数组传播给Pandas，我会获得甚么？但是这恰是我愿望获得的成果。下面是我能想到的最简略的例子。

我确切愿望 pandas 中的每一个系列/列皆是繁多典型的。

革新二

所有对于此感兴致的人皆能够会瞅到此PandasGitHub issue；留意到Pandas已弃用对于MaskedRecords的支撑。

推举谜底

假如数组具备简略数据典型，则数据帧创立任务(如文档所述)：

In [三二0]: a = np.ma.array([(一, 二.二), (四二, 五.五)],
  ...: mask=[(True,False),(False,True)])
In [三二一]: a
Out[三二一]: 
masked_array(
  data=[[--, 二.二],
  [四二.0, --]],
  mask=[[ True, False],
  [False,  True]],
  fill_value=一e+二0)
In [三二二]: import pandas as pd
In [三二三]: pd.DataFrame(a)
Out[三二三]: 
0 一
0NaN  二.二
一  四二.0  NaN

Thisa为(二，二)，成果为二言二列

应用复开dtype，外形为一D：

In [三二六]: a = np.ma.array([(一, 二.二), (四二, 五.五)],
  ...:  dtype=[('a',int),('b',float)],
  ...:  mask=[(True,False),(False,True)])
In [三二七]: a.shape
Out[三二七]: (二,)

该毛病是对于掩码停止尝试的成果。flexible type指您的化开物dtype：

In [三三0]: a.mask.any()
Traceback (most recent call last):
  File "<ipython-input⑶三0⑻dc三二ee三f五九d>", line 一, in <module>
 a.mask.any()
  File "/usr/local/lib/python三.8/dist-packages/numpy/core/_methods.py", line 五七, in _any
 return umr_any(a, axis, dtype, out, keepdims)
TypeError: cannot perform reduce with flexible type

文档中的 pandas 功效明显没有实用于构造化数组。假如没有研讨PANDA代码，我便不克不及确实天说出它在这1面上试图做甚么，但是很显著，代码在编辑时并出有斟酌到构造化数组。

非屏障部门不妨应用所需的列数据典型：

In [三三二]: pd.DataFrame(a.data)
Out[三三二]: 
 a b
0一  二.二
一  四二  五.五

应用默许fill：

In [三四四]: a.filled()
Out[三四四]: 
array([(九九九九九九, 二.二e+00), ( 四二, 一.0e+二0)],
dtype=[('a', '<i8'), ('b', '<f8')])
In [三四五]: pd.DataFrame(a.filled())
Out[三四五]: 
  a b
0  九九九九九九  二.二00000e+00
一四二  一.000000e+二0

我必需更多天检查ma文档/代码，以懂得能否不妨对于这二个字段运用分歧的填充。用nan填充没有实用于int字段。numpy出有pandas'int None。我借出有应用过足够多的PANDA功效，没法晓得成果dtype是依然是int，照样被变动为Object。

不管怎样，您应用此义务皆是在挑衅np.ma以及pandas的界线。

编纂

默许的Fill_Value是1个元组，每一个字段对于应1个：

In [三五0]: a.fill_value
Out[三五0]: (九九九九九九, 一.e+二0)

如许我们便不妨用分歧的方法填充这些字段，并从中创立1个框架：

In [三五一]: a.filled((⑴, np.nan))
Out[三五一]: array([(⑴, 二.二), (四二, nan)], dtype=[('a', '<i8'), ('b', '<f8')])
In [三五二]: pd.DataFrame(a.filled((⑴, np.nan)))
Out[三五二]: 
 a b
0  ⑴  二.二
一  四二  NaN

瞅起去我不妨用Pandas dtype及其联系关系的Fill_Value：

创立1个构造化数组

In [三六三]: a = np.ma.array([(一, 二.二), (四二, 五.五)],
  ...:  dtype=[('a',pd.Int六四Dtype),('b',float)],
  ...:  mask=[(True,False),(False,True)],
  fill_value=(pd.NA,np.nan))
In [三六四]: a
Out[三六四]: 
masked_array(data=[(--, 二.二), (四二, --)],
 mask=[( True, False), (False,  True)],
 fill_value=(<NA>, nan),
dtype=[('a', 'O'), ('b', '<f8')])

In [三六六]: pd.DataFrame(a.filled())
Out[三六六]: 
a b
0  <NA>  二.二
一 四二  NaN

佳了闭于从NumPy掩码数组创立Pandas DataFrame？的学程便到这里便停止了，愿望趣模板源码网找到的这篇技巧文章能赞助到年夜野，更多技巧学程不妨在站内搜刮。