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()
?
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()
?
Answers:
您可以genfromtxt()
通过将delimiter
kwarg 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。
nan
价值,为什么?同样在loadtxt中,我正在获取UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 155: ordinal not in range(128)
。输入数据中有ä和ö这样的变音符号。
encoding="utf8"
参数。Python是经常导致文本编码问题的少数现代软件之一,感觉就像是过去的事情。
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。
(1000, 1)
。np.genfromtxt
不这样做:例如(1000,)
。
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。
numpy.recfromcsv(fname, delimiter=',', filling_values=numpy.nan, case_sensitive=True, deletechars='', replace_space=' ')
关键参数是后三个。
当我尝试使用NumPy和Pandas两种方式时,使用Pandas有很多优点:
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
from numpy import genfromtxt
train = genfromtxt('/home/hvn/me/notebook/train.csv', delimiter=',')
from pandas import read_csv
df = read_csv('/home/hvn/me/notebook/train.csv')
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)
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)