Ik vraag me af of er een directe manier is om de inhoud van een CSV-bestand in een recordarray te importeren, veel in de manier waarop R’s read.table()
, read.delim()
, en read.csv()
familie importeert gegevens naar r’s gegevensframe?
of is de beste manier om csv.reader () en breng dan zoiets aan als numpy.core.records.fromrecords()
?
Antwoord 1, Autoriteit 100%
U kunt Numpy’s genfromtxt()
-methode gebruiken om dit te doen, door de delimiter
KWARG aan een komma in te stellen.
from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')
Meer informatie over de functie is te vinden op zijn respectieve Documentatie .
Antwoord 2, Autoriteit 28%
Ik zou het read_csv
functie van de pandas
bibliotheek:
import pandas as pd
df=pd.read_csv('myfile.csv', sep=',',header=None)
df.values
array([[ 1. , 2. , 3. ],
[ 4. , 5.5, 6. ]])
Dit geeft een Panda’s dataframe – toestaan Veel nuttige gegevensmanipulatiefuncties die niet direct beschikbaar zijn met Numpy Record-arrays .
DataFrame is een 2-dimensionaal gelabelde datastructuur met kolommen van
mogelijk verschillende soorten. Je kunt het zien als een spreadsheet of
SQL-tabel…
Ik zou ook genfromtxt
aanraden. Aangezien de vraag echter om een recordarrayvraagt, in tegenstelling tot naar een normale array, moet de parameter dtype=None
worden toegevoegd aan de genfromtxt
-aanroep:
Gegeven een invoerbestand, myfile.csv
:
1.0, 2, 3
4, 5.5, 6
import numpy as np
np.genfromtxt('myfile.csv',delimiter=',')
geeft een array:
array([[ 1. , 2. , 3. ],
[ 4. , 5.5, 6. ]])
en
np.genfromtxt('myfile.csv',delimiter=',',dtype=None)
geeft een recordarray:
array([(1.0, 2.0, 3), (4.0, 5.5, 6)],
dtype=[('f0', '<f8'), ('f1', '<f8'), ('f2', '<i4')])
Dit heeft als voordeel dat bestanden met meerdere gegevenstypen (inclusief strings) eenvoudig kunnen worden geïmporteerd.
Antwoord 3, autoriteit 11%
Ik heb de
. getimed
from numpy import genfromtxt
genfromtxt(fname = dest_file, dtype = (<whatever options>))
tegen
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>)
op 4,6 miljoen rijen met ongeveer 70 kolommen en ontdekte dat het NumPy-pad 2 min 16 seconden duurde en de methode voor het begrijpen van csv-lijst 13 seconden.
Ik zou de methode voor het begrijpen van csv-lijst aanbevelen, omdat deze hoogstwaarschijnlijk afhankelijk is van vooraf gecompileerde bibliotheken en niet zozeer van de interpreter als van NumPy. Ik vermoed dat de panda-methode een vergelijkbare overhead voor de interpreter zou hebben.
Antwoord 4, autoriteit 9%
Je kunt ook recfromcsv()
die gegevenstypen kan raden en een correct opgemaakte recordarray kan retourneren.
Antwoord 5, autoriteit 3%
Omdat ik beide manieren heb geprobeerd met NumPy en Panda’s, heeft het gebruik van panda’s veel voordelen:
- Sneller
- Minder CPU-gebruik
- 1/3 RAM-gebruik vergeleken met NumPy genfromtxt
Dit is mijn testcode:
$ 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')
Gegevensbestand:
du -h ~/me/notebook/train.csv
59M /home/hvn/me/notebook/train.csv
Met NumPy en panda’s in versies:
$ pip freeze | egrep -i 'pandas|numpy'
numpy==1.13.3
pandas==0.20.2
Antwoord 6
U kunt deze code gebruiken om CSV-bestandsgegevens naar een array te sturen:
import numpy as np
csv = np.genfromtxt('test.csv', delimiter=",")
print(csv)
Antwoord 7
Ik raad aan tabellen te gebruiken (pip3 install tables
). Je kunt je .csv
-bestand opslaan in .h5
met behulp van panda’s (pip3 install pandas
),
import pandas as pd
data = pd.read_csv("dataset.csv")
store = pd.HDFStore('dataset.h5')
store['mydata'] = data
store.close()
U kunt dan gemakkelijk en met minder tijd, zelfs voor enorme hoeveelheden gegevens, uw gegevens in een NumPy-arrayladen.
import pandas as pd
store = pd.HDFStore('dataset.h5')
data = store['mydata']
store.close()
# Data in NumPy format
data = data.values
Antwoord 8
Dit is de gemakkelijkste manier:
import csv
with open('testfile.csv', newline='') as csvfile:
data = list(csv.reader(csvfile))
Nu is elke invoer in gegevens een record, weergegeven als een array. Je hebt dus een 2D-array. Het heeft me zoveel tijd bespaard.
Antwoord 9
Met behulp van numpy.loadtxt
Een vrij eenvoudige methode. Maar het vereist dat alle elementen float zijn (int enzovoort)
import numpy as np
data = np.loadtxt('c:\\1.csv',delimiter=',',skiprows=0)
Antwoord 10
Dit werkt als een charme…
import csv
with open("data.csv", 'r') as f:
data = list(csv.reader(f, delimiter=";"))
import numpy as np
data = np.array(data, dtype=np.float)
Antwoord 11
Ik heb dit geprobeerd:
import pandas as p
import numpy as n
closingValue = p.read_csv("<FILENAME>", usecols=[4], dtype=float)
print(closingValue)
Antwoord 12
In [329]: %time my_data = genfromtxt('one.csv', delimiter=',')
CPU times: user 19.8 s, sys: 4.58 s, total: 24.4 s
Wall time: 24.4 s
In [330]: %time df = pd.read_csv("one.csv", skiprows=20)
CPU times: user 1.06 s, sys: 312 ms, total: 1.38 s
Wall time: 1.38 s