如何将CSV数据读入NumPy中的记录数组？

我不知道是否有一个CSV文件的内容导入到一个记录阵列直接的方式，很多的方式是R的read.table()，read.delim()和read.csv()家庭的进口数据与R的数据帧？

还是使用csv.reader（）然后应用类似内容的最佳方法numpy.core.records.fromrecords()？

您可以genfromtxt()通过将delimiterkwarg 设置为逗号来使用Numpy的方法。

from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')

有关该功能的更多信息，请参见其相应的文档。

我会read_csv从pandas库中推荐该功能：

import pandas as pd
df=pd.read_csv('myfile.csv', sep=',',header=None)
df.values
array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

这提供了一个熊猫DataFrame-允许许多有用的数据操作功能，而numpy记录数组无法直接使用这些功能。

DataFrame是二维标记的数据结构，具有可能不同类型的列。您可以将其视为电子表格或SQL表...

我也建议genfromtxt。但是，由于该问题要求记录数组，而不是普通数组，因此dtype=None需要将参数添加到genfromtxt调用中：

给定一个输入文件，myfile.csv：

1.0, 2, 3
4, 5.5, 6

import numpy as np
np.genfromtxt('myfile.csv',delimiter=',')

给出一个数组：

array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

和

np.genfromtxt('myfile.csv',delimiter=',',dtype=None)

给出一个记录数组：

array([(1.0, 2.0, 3), (4.0, 5.5, 6)], 
      dtype=[('f0', '<f8'), ('f1', '<f8'), ('f2', '<i4')])

这样的优点是可以轻松导入具有多种数据类型（包括字符串）的文件。

我定时了

from numpy import genfromtxt
genfromtxt(fname = dest_file, dtype = (<whatever options>))

与

import csv
import numpy as np
with open(dest_file,'r') as dest_f:
    data_iter = csv.reader(dest_f,
                           delimiter = delimiter,
                           quotechar = '"')
    data = [data for data in data_iter]
data_array = np.asarray(data, dtype = <whatever options>)

在460万行，约70列的数据上，发现NumPy路径花费了2分16秒，而csv-list理解方法花费了13秒。

我建议使用csv-list理解方法，因为它很可能依赖于预编译的库，而不像NumPy那样依赖于解释器。我怀疑pandas方法会有类似的解释器开销。

您也可以尝试使用recfromcsv()哪种方法可以猜测数据类型并返回格式正确的记录数组。

当我尝试使用NumPy和Pandas两种方式时，使用Pandas有很多优点：

• 快点
• 减少CPU使用率
• 与NumPy genfromtxt相比1/3的RAM使用量

这是我的测试代码：

$ for f in test_pandas.py test_numpy_csv.py ; do  /usr/bin/time python $f; done
2.94user 0.41system 0:03.05elapsed 109%CPU (0avgtext+0avgdata 502068maxresident)k
0inputs+24outputs (0major+107147minor)pagefaults 0swaps

23.29user 0.72system 0:23.72elapsed 101%CPU (0avgtext+0avgdata 1680888maxresident)k
0inputs+0outputs (0major+416145minor)pagefaults 0swaps

test_numpy_csv.py

from numpy import genfromtxt
train = genfromtxt('/home/hvn/me/notebook/train.csv', delimiter=',')

test_pandas.py

from pandas import read_csv
df = read_csv('/home/hvn/me/notebook/train.csv')

资料档案：

du -h ~/me/notebook/train.csv
 59M    /home/hvn/me/notebook/train.csv

使用NumPy和pandas版本：

$ pip freeze | egrep -i 'pandas|numpy'
numpy==1.13.3
pandas==0.20.2

您可以使用以下代码将CSV文件数据发送到数组中：

import numpy as np
csv = np.genfromtxt('test.csv', delimiter=",")
print(csv)

使用 numpy.loadtxt

一个非常简单的方法。但这要求所有元素都是浮点数（int等）

import numpy as np 
data = np.loadtxt('c:\\1.csv',delimiter=',',skiprows=0)  

这是最简单的方法：

import csv with open('testfile.csv', newline='') as csvfile: data = list(csv.reader(csvfile))

现在，数据中的每个条目都是一条记录，表示为一个数组。因此，您拥有一个2D阵列。它节省了我很多时间。

我尝试了这个：

import pandas as p
import numpy as n

closingValue = p.read_csv("<FILENAME>", usecols=[4], dtype=float)
print(closingValue)

我建议使用表格（pip3 install tables）。您可以将.csv文件保存为.h5使用熊猫（pip3 install pandas），

import pandas as pd
data = pd.read_csv("dataset.csv")
store = pd.HDFStore('dataset.h5')
store['mydata'] = data
store.close()

然后，您可以轻松地以较少的时间（即使是处理大量数据）将数据加载到NumPy数组中。

import pandas as pd
store = pd.HDFStore('dataset.h5')
data = store['mydata']
store.close()

# Data in NumPy format
data = data.values

这项工作令人着迷...

import csv
with open("data.csv", 'r') as f:
    data = list(csv.reader(f, delimiter=";"))

import numpy as np
data = np.array(data, dtype=np.float)