Python 3.4中的Numpy 2D数组

这里有一些问题。

首先，read_csv默认情况下使用逗号作为分隔符，因此无需指定。

其次，csv默认情况下，熊猫阅读器使用第一行获取列标题。这似乎不是您想要的，因此您需要使用header=None参数。

第三，看起来您的第一列是行号。您可以使用index_col=0该列作为索引。

第四，对于大熊猫，第一个索引是列，而不是行。此外，使用标准data[ind]符号是按列名而不是列号建立索引。而且，您不能使用逗号同时索引行和列（您需要使用它data.loc[row, col]来做到）。

因此，对于您的情况，获取第二列所需要做的就是data[2]，或者如果将第一列用作行号，则第二列将成为第一列，因此您可以这样做data[1]。这将返回一个大熊猫Series，1D相当于一个2D DataFrame。

所以整个事情应该像这样：

import pandas as pd
data = pd.read_csv('test.csv', header=None, index_col=0)
week = data[1]

data 看起来像这样：

    1   2     3   4
0                    
1    10   2   100  12
2    15   5   150  15
3    25   7   240  20
4    22  12   350  20
5    51  13   552  20
6   134  20   880  36
7   150  22   900  38
8   200  29  1020  44
9   212  31  1100  46
10  199  23  1089  45
11  220  32  1145  60

“ 0”行不存在，仅出于提供信息的目的。

week 看起来像这样：

0
1      10
2      15
3      25
4      22
5      51
6     134
7     150
8     200
9     212
10    199
11    220
Name: 1, dtype: int64

但是，您可以在熊猫中给列（和行）赋予有意义的名称，然后通过这些名称访问它们。我不知道列名，所以我做了一些补充：

import pandas as pd
data = pd.read_csv('test.csv', header=None, index_col=0, names=['week', 'spam', 'eggs', 'grail'])
week = data['week']

在这种情况下，data如下所示：

    week  spam  eggs  grail
1     10     2   100     12
2     15     5   150     15
3     25     7   240     20
4     33    12   350     20
5     51    13   552     20
6    134    20   880     36
7    150    22   900     38
8    200    29  1020     44
9    212    31  1100     46
10   199    23  1089     45
11   220    32  1145     50

而且week是这样的：

1      10
2      15
3      25
4      33
5      51
6     134
7     150
8     200
9     212
10    199
11    220
Name: week, dtype: int64

对于np.newaxis，这样做是向数组添加一维。假设您有一个1D数组（向量），对其进行使用np.newaxis会将其转换为2D数组。它将把一个2D数组变成一个3D数组，3D变成4D，依此类推。根据放置位置的不同（例如[:,np.newaxis]vs.）[np.newaxis,:]，可以确定要添加的尺寸。因此np.arange(10)[np.newaxis,:]（或仅np.arange(10)[np.newaxis]）可以提供形状(1,10) 2D数组，而np.arange(10)[:,np.newaxis]可以提供形状(10,1) 2D数组。

在您的情况下，该行正在执行的操作是获取名称1为1Dpandas的列Series，然后为其添加新的维度。但是，不是将其转换为DataFrame，而是将其转换为1Dnumpy数组，然后添加一个维度以使其成为2Dnumpy数组。

但是，这是长期危险的。无法保证这种静默转换不会在某个时候更改。要将pandas对象更改为numpy对象，应使用显式转换values方法，因此在您的情况下data.values或data['1'].values。

但是，您实际上并不需要一个numpy数组。Aseries很好。如果你真的想要一个2D对象，你可以转换Series成DataFrame使用类似data['1'].to_frame()。