我想在PyTorch / Tensorflow中编写一个顺序模型。我有一个csv / pandas数据集，其中包含一个索引列和一些结果变量，如下所示：
| ID | SeqID | outcome_1 | outcome_2 | ...
|:-------|-------:|:---------:|:---------:|
| 'Bob' | 1 | H | B |
| 'Bob' | 2 | W | C |
| 'Bob' | 3 | H | S |
| 'Alice'| 1 | H | NaN |
| 'Max' | 1 | H | B |
| 'Max' | 2 | L | B |
...
我想获得一个数组列表（每个人一个），其中每个条目都是代表结果的整数。例如，单个变量（H = 1。W = 2，L = 3和= 4）的'Bob'数组将是：[1、2、1、4]和第二个变量（B = 1，C = 2，S = 3，= 4）：[[1、2、1、4]，[1、2、3、4]]等，我希望数组的大小与数据集中的序列不是。我尝试了一些方法，但我觉得它们有些过头了。例如，我可以这样做：
outcome_array = initial_df.pivot(index='SessionId', columns='SeqId', values='outcome_1')
outcome_array.reset_index(inplace=True, drop=True)
这将返回“透视”数据帧，其中行数为最长序列，对于某些ID，该序列不存在的NaN等，然后“清除”透视表。最重要的是，对于可能要使用的每个结果变量，我可能都必须执行此过程，以使其可能成为一个非常漫长的过程。是否有任何清洁，快速的方法来执行此操作，而又无需重复进行工作台旋转和进一步清洁工作？