[toc]
简介
在做科学计算的时候,我们需要从外部加载数据,今天给大家介绍一下NumPy中非常有用的一个方法genfromtxt。genfromtxt可以分解成两步,第一步是从文件读取数据,并转化成为字符串。第二步就是将字符串转化成为指定的数据类型。
genfromtxt介绍
先看下genfromtxt的定义:
numpy.genfromtxt(fname, dtype=<class \'float\'>, comments=\'#\', delimiter=None, skip_header=0, skip_footer=0, converters=None, missing_values=None, filling_values=None, usecols=None, names=None, excludelist=None, deletechars=" !#$%&\'()*+, -./:;<=>?@[\\]^{|}~", replace_space=\'_\', autostrip=False, case_sensitive=True, defaultfmt=\'f%i\', unpack=None, usemask=False, loose=True, invalid_raise=True, max_rows=None, encoding=\'bytes\')
genfromtxt可以接受多个参数,这么多参数中只有fname是必须的参数,其他的都是可选的。
fname可以有多种形式,可以是file, str, pathlib.Path, list of str, 或者generator。
如果是单独的str,那么默认是本地或者远程文件的名字。如果是list of str,那么每个str都被当做文件中的一行数据。如果传入的是远程的文件,这个文件会被自动下载到本地目录中。
genfromtxt还可以自动识别文件是否是压缩类型,目前支持两种压缩类型:gzip 和 bz2。
接下来我们看下genfromtxt的常见应用:
使用之前,通常需要导入两个库:
from io import StringIOimport numpy as np
StringIO会生成一个String对象,可以作为genfromtxt的输入。
我们先定义一个包含不同类型的StringIO:
s = StringIO(u"1,1.3,abcde")
这个StringIO包含一个int,一个float和一个str。并且分割符是
,
。
我们看下genfromtxt最简单的使用:
In [65]: data = np.genfromtxt(s)In [66]: dataOut[66]: array(nan)
因为默认的分隔符是delimiter=None,所以StringIO中的数据会被作为一个整体转换成数组,结果就是nan。
下面我们添加一个逗号分割符:
In [67]: _ = s.seek(0)In [68]: data = np.genfromtxt(s,delimiter=",")In [69]: dataOut[69]: array([1. , 1.3, nan])
这次有输出了,但是最后一个字符串因为不能被转换成为float,所以得到了nan。
注意,我们第一行需要重置StringIO的指针到文件的开头。这里我们使用 s.seek(0)。
那么怎么把最后一个str也进行转换呢?我们需要手动指定dtype:
In [74]: _ = s.seek(0)In [75]: data = np.genfromtxt(s,dtype=float,delimiter=",")In [76]: dataOut[76]: array([1. , 1.3, nan])
上面我们指定了所有的数组类型都是float,我们还可以分别为数组的每个元素指定类型:
In [77]: _ = s.seek(0)In [78]: data = np.genfromtxt(s,dtype=[int,float,\'S5\'],delimiter=",")In [79]: dataOut[79]: array((1, 1.3, b\'abcde\'), dtype=[(\'f0\', \'<i8\'), (\'f1\', \'<f8\'), (\'f2\', \'<U\')])
我们分别使用int,float和str来对文件中的类型进行转换,可以看到得到了正确的结果。
除了指定类型,我们还可以指定名字,上面的例子中,我们没有指定名字,所以使用的是默认的f0,f1,f2。看一个指定名字的例子:
In [214]: data = np.genfromtxt(s, dtype="i8,f8,S5",names=[\'myint\',\'myfloat\',\'mystring\'], delimiter=",")In [215]: dataOut[215]:array((1, 1.3, b\'abcde\'),dtype=[(\'myint\', \'<i8\'), (\'myfloat\', \'<f8\'), (\'mystring\', \'S5\')])
分隔符除了使用字符之外,还可以使用index:
In [216]: s = StringIO(u"11.3abcde")In [217]: data = np.genfromtxt(s, dtype=None, names=[\'intvar\',\'fltvar\',\'strvar\'],...: delimiter=[1,3,5])In [218]: dataOut[218]:array((1, 1.3, b\'abcde\'),dtype=[(\'intvar\', \'<i8\'), (\'fltvar\', \'<f8\'), (\'strvar\', \'S5\')])
上面我们使用index作为s的分割。
多维数组
如果数据中有换行符,那么可以使用genfromtxt来生成多维数组:
>>> data = u"1, 2, 3\\n4, 5, 6">>> np.genfromtxt(StringIO(data), delimiter=",")array([[ 1., 2., 3.],[ 4., 5., 6.]])
autostrip
使用
autostrip
可以删除数据两边的空格:
>>> data = u"1, abc , 2\\n 3, xxx, 4">>> # Without autostrip>>> np.genfromtxt(StringIO(data), delimiter=",", dtype="|U5")array([[\'1\', \' abc \', \' 2\'],[\'3\', \' xxx\', \' 4\']], dtype=\'<U5\')>>> # With autostrip>>> np.genfromtxt(StringIO(data), delimiter=",", dtype="|U5", autostrip=True)array([[\'1\', \'abc\', \'2\'],[\'3\', \'xxx\', \'4\']], dtype=\'<U5\')
comments
默认的comments 是 # ,数据中所有以# 开头的都被看做是注释。
>>> data = u"""#... # Skip me !... # Skip me too !... 1, 2... 3, 4... 5, 6 #This is the third line of the data... 7, 8... # And here comes the last line... 9, 0... """>>> np.genfromtxt(StringIO(data), comments="#", delimiter=",")array([[1., 2.],[3., 4.],[5., 6.],[7., 8.],[9., 0.]])
跳过行和选择列
可以使用
skip_header
和
skip_footer
来跳过返回的数组特定的行:
>>> data = u"\\n".join(str(i) for i in range(10))>>> np.genfromtxt(StringIO(data),)array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])>>> np.genfromtxt(StringIO(data),... skip_header=3, skip_footer=5)array([ 3., 4.])
可以使用
usecols
来选择特定的行数:
>>> data = u"1 2 3\\n4 5 6">>> np.genfromtxt(StringIO(data), usecols=(0, -1))array([[ 1., 3.],[ 4., 6.]])
如果列还有名字的话,可以用
usecols
来选择列的名字:
>>> data = u"1 2 3\\n4 5 6">>> np.genfromtxt(StringIO(data),... names="a, b, c", usecols=("a", "c"))array([(1.0, 3.0), (4.0, 6.0)],dtype=[(\'a\', \'<f8\'), (\'c\', \'<f8\')])>>> np.genfromtxt(StringIO(data),... names="a, b, c", usecols=("a, c"))array([(1.0, 3.0), (4.0, 6.0)],dtype=[(\'a\', \'<f8\'), (\'c\', \'<f8\')])
本文已收录于 http://www.flydean.com/06-python-numpy-genfromtxt/
最通俗的解读,最深刻的干货,最简洁的教程,众多你不知道的小技巧等你来发现!
欢迎关注我的公众号:「程序那些事」,懂技术,更懂你!