多维np数组的列表序列

你可以用 str.split df.A 直接,用参数 expand=True 然后使用 values 例如:

df = pd.DataFrame({'A':['70 80 82','151 150 147']})
print (df.A.str.split(' ',expand=True).values)
array([['70', '80', '82'],
       ['151', '150', '147']], dtype=object)

使用您的方法,如果所有字符串都包含相同数量的数字,则仍然可以使用 np.stack 要得到相同的结果:

print (np.stack(df.A.apply(lambda x: np.array(x.split(" "))).values))

编辑 :对于区别,我不确定我能解释得足够好,但我尽力了。让我们来定义

arr1 = df.A.str.split(' ',expand=True).values
arr2 = df.A.apply(lambda x: np.array(x.split(" "))).values

首先,您可以注意到形状不同:

print(arr1.shape)
(2, 3)
print(arr2.shape)
(2,)

arr2 是一个1D数组,其中的元素恰好也是1D数组。当你建造 具有 价值观 ,它从序列构造1D数组 df.A.apply(lambda x: np.array(x.split(" "))) 不看这个系列的字体。为了 arr1 ,区别在于 df.A.str.split(' ',expand=True) 价值观 将构造一个二维数组,其形状为 (number of rows,nb of columns) 价值观 ,但实际上在一个系列的单元格中有一个数组(如在方法中创建的那样)不会创建二维数组。

然后,如果要访问任何元素(例如第一行第二个元素),可以通过 arr1[0,1] arr2[0,1] 将引发错误,因为此结构不是二维数组,但是 arr2[0][1] [1] 第一个1D数组的 [0] 在里面 arr2号

我希望它能给出一些解释。