Question

我目前正在尝试使用Python中的numpy库将一些逗号分隔的文本数据导入到数组中。我使用以下代码：

data = np.genfromtxt(fname, delimiter=',')

我收到以下错误：

第2行（有12列而不是11列）

表示标题后的每一行。

原因似乎是其中一个列包含一个逗号，但尝试使用该列数据周围的文本限定符（“）处理此问题。如果我使用Python csv库，则默认处理例如：

reader = csvreader(open(fname, 'rb'))

我知道我可以使用csv库导入数据，然后将其转换为数组，但我想知道是否可以从numpy的一个函数中执行此操作，该函数将文本数据转换为数组为genfromtxt。我已经查看了genfromtxt上的帮助，但所列出的参数似乎都没有描述我要找的内容，除非我遗漏了什么。

如果它有帮助，这里是文件中几行的样本：

survived,pclass,name,sex,age,sibsp,parch,ticket,fare,cabin,embarked
0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S
1,1,"Cumings, Mrs. John Bradley (Florence Briggs Thayer)",female,38,1,0,PC 17599,71.2833,C85,C
1,3,"Heikkinen, Miss. Laina",female,26,0,0,STON/O2. 3101282,7.925,,S

我认为这是名称列引起的问题。

Answer 1

Numpy数组不太适合您在这里的分类数据。您可能最好使用pandas：

import pandas
data = pandas.read_csv(fname)

Answer 2

解决此问题的一种方法是添加另一个名称字段，这样您就有十三个名称字段，其中包含一个单独的forename和surname列：

survived,pclass,surname,forname,sex,age,sibsp,parch,ticket,fare,cabin,embarked

如果您随后导入：

data = np.genfromtxt(fname, delimiter=',',names=True,dtype=None)

应该有效：

data['surname']
array(['"Braund', '"Cumings', '"Heikkinen'], 
      dtype='|S10')

请注意，您可能还需要在原始文件中列出"标记。

如何使用numpy genfromtxt允许文本限定符

2 个答案: