Как мне прочитать данные CSV в массив записей в NumPy?

Question

Интересно, существует ли прямой способ импортировать содержимое файла CSV в массив записей, во многом так, как семейство R's read.table(), read.delim() и read.csv() импортирует данные во фрейм данных R?

Или это лучший способ использовать csv.reader () , а затем применить что-то вроде numpy.core.records.fromrecords()?

Answer 1

Вы можете использовать метод Numpy genfromtxt() для этого, установив delimiter kwarg запятой.

from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')

Более подробную информацию о функции можно найти в соответствующей документации .

Answer 2

Я бы порекомендовал функцию read_csv из библиотеки pandas:

import pandas as pd
df=pd.read_csv('myfile.csv', sep=',',header=None)
df.values
array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

Это дает пандам DataFrame - что позволяет многополезные функции манипулирования данными, которые не доступны напрямую с массивами записей numy .

DataFrame - это двумерная помеченная структура данных со столбцами потенциально разных типов.Вы можете думать об этом как о электронной таблице или таблице SQL ...

---

Я бы также порекомендовал genfromtxt.Тем не менее, поскольку вопрос требует массив записей , в отличие от обычного массива, параметр dtype=None необходимо добавить к вызову genfromtxt:

, учитывая входной файл, myfile.csv:

1.0, 2, 3
4, 5.5, 6

import numpy as np
np.genfromtxt('myfile.csv',delimiter=',')

дает массив:

array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

и

np.genfromtxt('myfile.csv',delimiter=',',dtype=None)

дает массив записи:

array([(1.0, 2.0, 3), (4.0, 5.5, 6)], 
      dtype=[('f0', '<f8'), ('f1', '<f8'), ('f2', '<i4')])

Это имеет то преимущество, что файл с несколькими типами данных (включая строки) может быть легко импортирован .

Answer 3

Вы также можете попробовать recfromcsv(), который может угадывать типы данных и возвращать правильно отформатированный массив записей.

Answer 4

Я рассчитал

from numpy import genfromtxt
genfromtxt(fname = dest_file, dtype = (<whatever options>))

против

import csv
import numpy as np
with open(dest_file,'r') as dest_f:
    data_iter = csv.reader(dest_f,
                           delimiter = delimiter,
                           quotechar = '"')
    data = [data for data in data_iter]
data_array = np.asarray(data, dtype = <whatever options>)

на 4,6 миллиона строк с примерно 70 столбцами и обнаружил, что путь NumPy занял 2 минуты 16 секунд, и понимание csv-listметод занял 13 секунд.

Я бы порекомендовал метод понимания csv-list, поскольку он, скорее всего, опирается на предварительно скомпилированные библиотеки, а не на интерпретатор, а на NumPy.Я подозреваю, что у метода панд были бы похожие интерпретаторы.

Answer 5

Поскольку я пробовал оба способа, используя NumPy и Pandas, использование панд имеет много преимуществ:

• Быстрее
• Меньше использования процессора
• 1/3 использования ОЗУ по сравнению с NumPy genfromtxt

Это мой тестовый код:

$ for f in test_pandas.py test_numpy_csv.py ; do  /usr/bin/time python $f; done
2.94user 0.41system 0:03.05elapsed 109%CPU (0avgtext+0avgdata 502068maxresident)k
0inputs+24outputs (0major+107147minor)pagefaults 0swaps

23.29user 0.72system 0:23.72elapsed 101%CPU (0avgtext+0avgdata 1680888maxresident)k
0inputs+0outputs (0major+416145minor)pagefaults 0swaps

test_numpy_csv.py

from numpy import genfromtxt
train = genfromtxt('/home/hvn/me/notebook/train.csv', delimiter=',')

test_pandas.py

from pandas import read_csv
df = read_csv('/home/hvn/me/notebook/train.csv')

Файл данных:

du -h ~/me/notebook/train.csv
 59M    /home/hvn/me/notebook/train.csv

С NumPy и пандами в версиях:

$ pip freeze | egrep -i 'pandas|numpy'
numpy==1.13.3
pandas==0.20.2

Answer 6

Вы можете использовать этот код для отправки данных файла CSV в массив:

import numpy as np
csv = np.genfromtxt('test.csv', delimiter=",")
print(csv)

Answer 7

Я пробовал это:

import pandas as p
import numpy as n

closingValue = p.read_csv("<FILENAME>", usecols=[4], dtype=float)
print(closingValue)

Answer 8

Это самый простой способ:

import csv with open('testfile.csv', newline='') as csvfile: data = list(csv.reader(csvfile))

Теперь каждая запись данных представляет собой запись, представленную в виде массива.Итак, у вас есть 2D-массив.Это сэкономило мне столько времени.

Answer 9

Использование numpy.loadtxt

Довольно простой метод.Но для этого нужно, чтобы все элементы были плавающими (int и т. Д.)

import numpy as np 
data = np.loadtxt('c:\\1.csv',delimiter=',',skiprows=0)  

Answer 10

Я бы предложил использовать таблицы (pip3 install tables).Вы можете сохранить файл .csv в .h5, используя pandas (pip3 install pandas),

import pandas as pd
data = pd.read_csv("dataset.csv")
store = pd.HDFStore('dataset.h5')
store['mydata'] = data
store.close()

Затем вы можете легко и с меньшими затратами времени даже для огромного объема данных загрузить свои данные в массив NumPy .

import pandas as pd
store = pd.HDFStore('dataset.h5')
data = store['mydata']
store.close()

# Data in NumPy format
data = data.values