我无法找到在numpy矩阵中输入给定文件的方法。
我尝试了np.loadtxt()
,但无法获取数据。
我的文件格式是这样的: col = 9的数量(除了第一个字段,所有其他字段都在浮点数)。
M,0.475,0.37,0.125,0.5095,0.2165,0.1125,0.165,9
F,0.55,0.44,0.15,0.8945,0.3145,0.151,0.32,19
我还尝试在列表中输入输入,然后尝试使其成为numpy矩阵,但这也是一个失败。
答案 0 :(得分:1)
您可能需要考虑使用pandas
- 它更适合于同类数据,其read_csv
函数将获取您的数据文件并立即将其转换为您可以使用的内容。
您可以为每个列命名 - 如果您不这样做,该函数会将第一个数据行解释为列标题。
>>> import pandas as pd
>>> data = pd.read_csv("/tmp/data.txt",
names=['sex', 'one', 'two', 'three', 'four',
'five', 'six', 'seven', 'eight'])
>>> print(data)
sex one two three four five six seven eight
0 M 0.475 0.37 0.125 0.5095 0.2165 0.1125 0.165 9
1 F 0.550 0.44 0.150 0.8945 0.3145 0.1510 0.320 19
答案 1 :(得分:1)
将您的样本作为行列表:
animation-duration
In [1]: txt=b"""
...: M,0.475,0.37,0.125,0.5095,0.2165,0.1125,0.165,9
...: F,0.55,0.44,0.15,0.8945,0.3145,0.151,0.32,19
...: """
In [2]: txt=txt.splitlines()
可以使用genfromtxt
dtype=None
结果是一个1d数组(这里是2个元素),有许多字段,可以通过名称访问。这里第一个被推断为一个字符串,其余的是浮点数,除了最后一个整数。
我可以更具体地了解In [16]: data = np.genfromtxt(txt, delimiter=',', dtype=None)
In [17]: data
Out[17]:
array([(b'M', 0.475, 0.37, 0.125, 0.5095, 0.2165, 0.1125, 0.165, 9),
(b'F', 0.55, 0.44, 0.15, 0.8945, 0.3145, 0.151, 0.32, 19)],
dtype=[('f0', 'S1'), ('f1', '<f8'), ('f2', '<f8'), ('f3', '<f8'), ('f4', '<f8'), ('f5', '<f8'), ('f6', '<f8'), ('f7', '<f8'), ('f8', '<i4')])
In [18]: data['f0']
Out[18]:
array([b'M', b'F'],
dtype='|S1')
In [19]: data['f3']
Out[19]: array([ 0.125, 0.15 ])
In [20]:
,并定义一个包含多列的字段
dtype
In [21]: data=np.genfromtxt(txt,delimiter=',',dtype=['S3','8float'])
In [22]: data
Out[22]:
array([(b'M', [0.475, 0.37, 0.125, 0.5095, 0.2165, 0.1125, 0.165, 9.0]),
(b'F', [0.55, 0.44, 0.15, 0.8945, 0.3145, 0.151, 0.32, 19.0])],
dtype=[('f0', 'S3'), ('f1', '<f8', (8,))])
In [23]: data['f1']
Out[23]:
array([[ 0.475 , 0.37 , 0.125 , 0.5095, 0.2165, 0.1125,
0.165 , 9. ],
[ 0.55 , 0.44 , 0.15 , 0.8945, 0.3145, 0.151 ,
0.32 , 19. ]])
字段是形状为2d的数组(2,8)。
f1
也可以使用,但它的np.loadtxt
解释并不灵活。从dtype
示例中复制dtype
会产生相同的结果。
genfromtxt
datal=np.loadtxt(txt,delimiter=',',dtype=data.dtype)
也有一个好的csv阅读器,具有更快的速度和灵活性。如果您已经在使用熊猫,那么这是一个不错的选择。