Как читать данные CSV в массив записей в NumPy?
интересно, есть ли прямой способ импортировать содержимое CSV-файла в массив записей, так же, как R read.table()
, read.delim()
и read.csv()
семья импортирует данные в фрейм данных R?
или это лучший способ, чтобы использовать CSV-файла.читатель() и затем применить что-то вроде numpy.core.records.fromrecords()
?
10 ответов
вы можете использовать NumPy и обратно в genfromtxt()
метод для этого, установив delimiter
kwarg до запятой.
from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')
более подробную информацию о функции можно найти в соответствующих документация.
вы также можете попробовать recfromcsv()
который может угадывать типы данных и возвращать правильно отформатированный массив записей.
я приурочил
from numpy import genfromtxt
genfromtxt(fname = dest_file, dtype = (<whatever options>))
и
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 около 70 столбцами и обнаружил, что путь NumPy занял 2 минуты 16 секунд, а метод понимания csv-списка занял 13 секунд.
Я бы рекомендовал метод понимания csv-list, поскольку он, скорее всего, полагается на предварительно скомпилированные библиотеки, а не интерпретатор, как NumPy. Я подозреваю, что метод pandas будет иметь аналогичные накладные расходы интерпретатора.
как я пробовал оба способа с помощью NumPy и панд, использование панд имеет много преимуществ:
- быстрее
- меньше загрузка процессора не более!--9-->
- 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
вы можете использовать этот код для отправки данных CSV-файла в массив:
import numpy as np
csv = np.genfromtxt('test.csv', delimiter=",")
print(csv)
Я попытался это:
import pandas as p
import numpy as n
closingValue = p.read_csv("<FILENAME>", usecols=[4], dtype=float)
print(closingValue)
используя numpy.loadtxt
довольно простой способ. Но это требует, чтобы все элементы были float (int и так далее)
import numpy as np
data = np.loadtxt('c:\1.csv',delimiter=',',skiprows=0)
Это самый простой способ:
import csv
with open('testfile.csv', newline='') as csvfile:
data = list(csv.reader(csvfile))
теперь каждая запись в данных является записью, представленной в виде массива. Таким образом, у вас есть 2D-массив. Это сэкономило мне столько времени.
Я бы предложил использовать таблицы (pip3 install tables
). Вы можете сохранить свой до .h5
С помощью панды (pip3 install pandas
),
import pandas as pd
data = pd.read_csv("dataset.csv")
store = pd.HDFStore('dataset.h5')
store['mydata'] = data
store.close()
вы можете легко, и с меньшим временем даже для огромного количества 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