你需要为DataFrame构造函数指定数据、索引和列，如下所示:

>>> 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

编辑:在@joris注释中，您可能需要更改为np.int_(data[1:，1:])以拥有正确的数据类型。

你需要为DataFrame构造函数指定数据、索引和列，如下所示:

>>> 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

编辑:在@joris注释中，您可能需要更改为np.int_(data[1:，1:])以拥有正确的数据类型。

我认为这是一个简单而直观的方法:

data = np.array([[0, 0], [0, 1] , [1, 0] , [1, 1]])
reward = np.array([1,0,1,0])

dataset = pd.DataFrame()
dataset['StateAttributes'] = data.tolist()
dataset['reward'] = reward.tolist()

dataset

返回:

但这里详细介绍了性能影响:

如何设置pandas列的值为列表

我同意Joris的观点;似乎您应该以不同的方式执行此操作，就像使用numpy记录数组一样。修改这个答案中的“选项2”，你可以这样做:

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)

这里有一个简单易懂的解决方案

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

这可以通过使用pandas DataFrame的from_records来实现

import numpy as np
import pandas as pd
# Creating a numpy array
x = np.arange(1,10,1).reshape(-1,1)
dataframe = pd.DataFrame.from_records(x)