如何将csv数据文件导入scikit-learn？

Question

根据我的理解，scikit-learn接受（n-sample，n-feature）格式的数据，这是一个2D数组。假设我有表格中的数据......

Stock prices    indicator1    indicator2
2.0             123           1252
1.0             ..            ..
..              .             . 
.

如何导入？

Answer 1

numpy loadtxt的一个非常好的替代方法是read_csv from Pandas。数据被加载到Pandas数据框中，其最大优点是可以处理混合数据类型，例如某些列包含文本，其他列包含数字。然后，您可以轻松选择数字列并转换为as_matrix的numpy数组。熊猫也会read/write excel files and a bunch of other formats。

如果我们有一个名为“mydata.csv”的csv文件：

point_latitude,point_longitude,line,construction,point_granularity
30.102261, -81.711777, Residential, Masonry, 1
30.063936, -81.707664, Residential, Masonry, 3
30.089579, -81.700455, Residential, Wood   , 1
30.063236, -81.707703, Residential, Wood   , 3
30.060614, -81.702675, Residential, Wood   , 1

这将读入csv并将数字列转换为scikit_learn的numpy数组，然后修改列的顺序并将其写入excel电子表格：

import numpy as np
import pandas as pd

input_file = "mydata.csv"


# comma delimited is the default
df = pd.read_csv(input_file, header = 0)

# for space delimited use:
# df = pd.read_csv(input_file, header = 0, delimiter = " ")

# for tab delimited use:
# df = pd.read_csv(input_file, header = 0, delimiter = "\t")

# put the original column names in a python list
original_headers = list(df.columns.values)

# remove the non-numeric columns
df = df._get_numeric_data()

# put the numeric column names in a python list
numeric_headers = list(df.columns.values)

# create a numpy array with the numeric values for input into scikit-learn
numpy_array = df.as_matrix()

# reverse the order of the columns
numeric_headers.reverse()
reverse_df = df[numeric_headers]

# write the reverse_df to an excel spreadsheet
reverse_df.to_excel('path_to_file.xls')

Answer 2

这不是CSV文件;这只是一个空格分隔的文件。假设没有缺失值，您可以轻松地将其加载到名为data的Numpy数组中

import numpy as np

f = open("filename.txt")
f.readline()  # skip the header
data = np.loadtxt(f)

如果股票价格是您想要预测的（您的y值，则使用scikit-learn术语），那么您应该使用

分割data

X = data[:, 1:]  # select columns 1 through end
y = data[:, 0]   # select column 0, the stock price

或者，您也可以按standard Python csv module来处理此类文件。

Answer 3

您可以在numpy中查找loadtxt函数。

将可选输入输入到loadtxt方法中。

csv的简单更改是

data =  np.loadtxt(fname = f, delimiter = ',')

Answer 4

使用numpy加载csvfile

import numpy as np
dataset = np.loadtxt('./example.csv', delimiter=',')