загрузите csv в 2D матрицу с помощью numpy для построения графика

учитывая этот CSV-файл:



"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 из numpy, - это ndarray с 3 строками (по одной 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 форму, которую я хочу, но это кажется глупым. Я просто хочу загрузить его как правильную матрицу, чтобы я мог нарезать его по разным измерениям и построить его, как в matlab.

854   3  

3 ответов:

чистый numpy 

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

Проверьте loadtxt документация.

вы также можете использовать модуль csv python: 

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

Вам нужно будет преобразовать его в свой любимый числовой тип. Я думаю, вы можете написать все это в одной строке:

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

Добавлена Подсказка:

вы также можете использовать pandas.io.parsers.read_csv и получения соответствующего numpy массив, который может быть быстрее.

119  
2017-01-16 13:16:48

Я думаю, что с помощью dtype где есть строка имени запутывает процедуру. Попробуй

>>> 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])
5  
2010-11-30 18:07:09

вы можете прочитать CSV-файл с заголовками в numpy структурированный массив 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))

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 имени столбца, как это r['E']:

array([1715.37476, 1715.37476, 1715.37476])

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

4  
2018-05-05 09:18:23

Comments

    Ничего не найдено.
Click here to cancel reply.