博客

如何用NumPy读取CSV文件

  • Post category:Python

下面是使用NumPy读取CSV文件的详细攻略：

1. 导入NumPy库

在使用NumPy读取CSV文件之前，需要先导入NumPy库。可以通过以下代码进行导入：

import numpy as np

2. 使用NumPy读取CSV文件

在导入NumPy库之后，就可以开始使用NumPy读取CSV文件了。使用NumPy读取CSV文件的主要函数是numpy.loadtxt()函数。该函数可以从文本文件中读取数据，并将其存储为NumPy数组。

下面是numpy.loadtxt()函数的基本用法：

np.loadtxt(fname, dtype=<class 'float'>, delimiter=None, skiprows=0, usecols=None, unpack=False)

各参数说明如下：

  • fname：要读取的文件名或路径；
  • dtype：返回数组的数据类型，默认为float；
  • delimiter：分隔符，默认为空格；
  • skiprows：跳过前多少行，默认为0；
  • usecols：指定要读取的列数，默认为None，表示读取全部列；
  • unpack：如果为True，结果会被解压成多个数组，否则返回一个数组。

下面是一个简单的示例，展示如何使用NumPy读取名为data.csv的CSV文件，并将其存储为NumPy数组：

import numpy as np

# 读取CSV文件
data = np.loadtxt('data.csv', delimiter=',')

# 打印读取的数据
print(data)

在上面的代码中，delimiter=','指定了CSV文件的分隔符为逗号。

3. 使用NumPy读取具有不同数据类型的CSV文件

在前面的示例中，我们假设CSV文件中的所有数据都是浮点数。但实际上，CSV文件中可能包含不同类型的数据，例如字符串、整数等。为了读取这类文件，我们需要使用numpy.genfromtxt()函数。

下面是numpy.genfromtxt()函数的基本用法：

np.genfromtxt(fname, dtype=<class 'float'>, delimiter=None, skip_header=0, usecols=None, names=True, missing_values=None, filling_values=None, encoding='bytes', max_rows=None)

各参数说明如下：

  • fname：要读取的文件名或路径；
  • dtype：返回数组的数据类型，默认为float；
  • delimiter：分隔符，默认为空格；
  • skip_header：跳过前多少行，默认为0；
  • usecols：指定要读取的列数，默认为None，表示读取全部列；
  • names：如果为True，将第一行视为列名，并将其存储为结构化数组；
  • missing_values：指定缺失值的字符串；
  • filling_values：用于替换缺失值的默认值；
  • encoding：指定文件编码，默认为bytes；
  • max_rows：最大读取行数。

下面是一个示例，展示如何使用NumPy读取名为data_with_types.csv的CSV文件，并将其存储为结构化数组：

import numpy as np

# 定义数据类型
dtype = np.dtype([('name', 'S20'), ('age', int), ('salary', float)])

# 读取CSV文件
data = np.genfromtxt('data_with_types.csv', delimiter=',', dtype=dtype, names=True, skip_header=1)

# 打印读取的数据
print(data)

在上面的代码中，我们使用numpy.dtype()函数定义了一个由name、age和salary三个字段组成的数据类型。dtype=dtypes参数将该数据类型传递给numpy.genfromtxt()函数，从而为读取的CSV文件创建了结构化数组。names=True参数指示函数将读取CSV文件的第一行，并将其存储为结构化数组的字段名。skip_header=1参数表示跳过CSV文件的第一行。

以上是使用NumPy读取CSV文件的详细攻略。希望这能够帮助你成功读取CSV文件。

Tags: