загрузить CSV в 2D матрицу с NumPy для построения - PullRequest
Новая
       17

загрузить CSV в 2D матрицу с NumPy для построения

64 голосов
/ 30 ноября 2010

Учитывая этот файл CSV: 

"A","B","C","D","E","F","timestamp"
611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291111964948E12
611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291113113366E12
611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291120650486E12

Я просто хочу загрузить его в виде матрицы / ndarray с 3 строками и 7 столбцами. Однако по какой-то причине все, что я могу получить от numpy, это ndarray с 3 строками (по одному на строку) и без столбцов. 

r = np.genfromtxt(fname,delimiter=',',dtype=None, names=True)
print r
print r.shape

[ (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291111964948.0)
 (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291113113366.0)
 (611.88243, 9089.5601000000006, 5133.0, 864.07514000000003, 1715.3747599999999, 765.22776999999996, 1291120650486.0)]
(3,)

Я могу вручную повторить и взломать его в нужную форму, но это кажется глупым. Я просто хочу загрузить его как правильную матрицу, чтобы я мог разрезать его по разным измерениям и построить его, как в Matlab.

Ответы [ 3 ]

134 голосов
/ 30 ноября 2010

Pure Numpy 

numpy.loadtxt(open("test.csv", "rb"), delimiter=",", skiprows=1)

Ознакомьтесь с документацией loadtxt .

Вы также можете использовать модуль CSV для Python: 

import csv
import numpy
reader = csv.reader(open("test.csv", "rb"), delimiter=",")
x = list(reader)
result = numpy.array(x).astype("float")

Вам придется преобразовать его в ваш любимый числовой тип.Я думаю, что вы можете написать все это в одну строку: 

result = numpy.array(list(csv.reader(open("test.csv", "rb"), delimiter=","))).astype("float")

Добавлен подсказка:

Вы также можете использовать pandas.io.parsers.read_csv и получить связанный numpyмассив, который может быть быстрее.

6 голосов
/ 30 ноября 2010

Я думаю, использование dtype там, где есть строка имени, запутывает процедуру.Попробуйте 

>>> r = np.genfromtxt(fname, delimiter=',', names=True)
>>> r
array([[  6.11882430e+02,   9.08956010e+03,   5.13300000e+03,
          8.64075140e+02,   1.71537476e+03,   7.65227770e+02,
          1.29111196e+12],
       [  6.11882430e+02,   9.08956010e+03,   5.13300000e+03,
          8.64075140e+02,   1.71537476e+03,   7.65227770e+02,
          1.29111311e+12],
       [  6.11882430e+02,   9.08956010e+03,   5.13300000e+03,
          8.64075140e+02,   1.71537476e+03,   7.65227770e+02,
          1.29112065e+12]])
>>> r[:,0]    # Slice 0'th column
array([ 611.88243,  611.88243,  611.88243])
4 голосов
/ 22 февраля 2016

Вы можете прочитать CSV-файл с заголовками в структурированный массив NumPy с np.genfromtxt . Например: 

import numpy as np

csv_fname = 'file.csv'
with open(csv_fname, 'w') as fp:
    fp.write("""\
"A","B","C","D","E","F","timestamp"
611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291111964948E12
611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291113113366E12
611.88243,9089.5601,5133.0,864.07514,1715.37476,765.22777,1.291120650486E12
""")

# Read the CSV file into a Numpy record array
r = np.genfromtxt(csv_fname, delimiter=',', names=True, case_sensitive=True)
print(repr(r))

, который выглядит так: 

array([(611.88243, 9089.5601, 5133., 864.07514, 1715.37476, 765.22777, 1.29111196e+12),
       (611.88243, 9089.5601, 5133., 864.07514, 1715.37476, 765.22777, 1.29111311e+12),
       (611.88243, 9089.5601, 5133., 864.07514, 1715.37476, 765.22777, 1.29112065e+12)],
      dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8'), ('D', '<f8'), ('E', '<f8'), ('F', '<f8'), ('timestamp', '<f8')])

Вы можете получить доступ к именованному столбцу, например: r['E']: 

array([1715.37476, 1715.37476, 1715.37476])

Примечание: этот ответ ранее использовался np.recfromcsv для чтения данных в массив записей NumPy . Хотя в этом методе не было ничего плохого, структурированные массивы, как правило, лучше записывающих массивов по скорости и совместимости.

...