Question

我需要获取一个csv文件并将这些数据导入到python中的多维数组中，但我不确定在将数据附加到空数组之后如何从数组中删除'None'值

我首先创建了一个这样的结构：

storecoeffs = numpy.empty((5,11), dtype='object')

这将返回由'None'填充的5行×11列数组。

接下来，我打开了我的csv文件并将其转换为数组：

coeffsarray = list(csv.reader(open("file.csv")))

coeffsarray = numpy.array(coeffsarray, dtype='object')

然后，我附加了两个数组：

newmatrix = numpy.append(storecoeffs, coeffsarray, axis=1)

结果是一个数组填充'None'值后跟我想要的数据（显示前两行，让您了解我的数据的性质）：

array([[None, None, None, None, None, None, None, None, None, None, None,
    workers, constant, hhsize, inc1, inc2, inc3, inc4, age1, age2,
    age3, age4],[None, None, None, None, None, None, None, None, None, None, None,
    w0, 7.334, -1.406, 2.823, 2.025, 0.5145, 0, -4.936, -5.054, -2.8, 0],,...]], dtype=object)

如何从每一行中删除那些“无”对象，所以我剩下的是带有我的数据的5 x11多维数组？

Answer 1

为什么要分配整个None数组并追加？ coeffsarray不是您想要的数组吗？

修改

喔。使用numpy.reshape。

import numpy
coeffsarray = numpy.reshape( coeffsarray, ( 5, 11 ) )

Answer 2

从一个空数组开始？

storecoeffs = numpy.empty((5,0), dtype='object')

Answer 3

为什么不简单地使用numpy.loadtxt()：

newmatrix = numpy.loadtxt("file.csv", dtype='object')

如果我理解你的问题，

应该做好这份工作。

Answer 4

@Gnibbler的答案在技术上是正确的，但是没有理由首先创建初始的storecoeffs数组。只需加载您的值，然后从中创建一个数组。正如@Mermoz所指出的那样，你的用例对于numpy.loadtxt（）看起来很简单。

除此之外，你为什么要使用对象数组？它可能不是你想要的......现在，你将数值存储为字符串，而不是浮点数！

你有两种方法来处理numpy中的数据。如果要轻松访问命名列，请使用结构化数组（或记录数组）。如果你想要一个“普通的”多维数组，只需使用一个浮点数组，整数组等。对象数组有一个特定的目的，但它可能不是你正在做的。

例如：只需将数据作为普通的2D numpy数组加载（假设您的所有数据都可以轻松地表示为浮点数）：

import numpy as np
# Note that this ignores your column names, and attempts to 
# convert all values to a float...
data = np.loadtxt('input_filename.txt', delimiter=',', skiprows=1)

# Access the first column 
workers = data[:,0]

要将数据作为结构化数组加载，您可以执行以下操作：

import numpy as np
infile = file('input_filename.txt')

# Read in the names of the columns from the first row...
names = infile.next().strip().split()

# Make a dtype from these names...
dtype = {'names':names, 'formats':len(names)*[np.float]}

# Read the data in...
data = np.loadtxt(infile, dtype=dtype, delimiter=',')

# Note that data is now effectively 1-dimensional. To access a column,
# index it by name
workers = data['workers']

# Note that this is now one-dimensional... You can't treat it like a 2D array
data[1:10, 3:5] # <-- Raises an error!

data[1:10][['inc1', 'inc2']] # <-- Effectively the same thing, but works..

如果您的数据中包含非数值并希望将它们作为字符串处理，则需要使用结构化数组，指定要作为字符串的字段，并为字符串中的字符串设置最大长度。领域。

从您的示例数据看，它看起来像第一列，“workers”是一个非数字值，您可能希望将其存储为字符串，其余所有看起来像浮点数。在这种情况下，你会做这样的事情：

import numpy as np
infile = file('input_filename.txt')
names = infile.next().strip().split()

# Create the dtype... The 'S10' indicates a string field with a length of 10
dtype = {'names':names, 'formats':['S10'] + (len(names) - 1)*[np.float]}
data = np.loadtxt(infile, dtype=dtype, delimiter=',')

# The "workers" field is now a string array
print data['workers']

# Compare this to the other fields
print data['constant']

如果您确实需要csv模块的灵活性（例如带逗号的文本字段），您可以使用它来读取数据，然后将其转换为具有相应dtype的结构化数组。

希望让事情更清晰......

如何使用numpy从附加的多维数组中删除“无”

4 个答案:

修改