简介

在做科学计算的时候，咱们须要从内部加载数据，明天给大家介绍一下 NumPy 中十分有用的一个办法 genfromtxt。genfromtxt 能够分解成两步，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 能够承受多个参数，这么多参数中只有 fname 是必须的参数，其余的都是可选的。

fname 能够有多种形式，能够是 file, str, pathlib.Path, list of str, 或者 generator。

如果是独自的 str，那么默认是本地或者近程文件的名字。如果是 list of str，那么每个 str 都被当做文件中的一行数据。如果传入的是近程的文件，这个文件会被主动下载到本地目录中。

genfromtxt 还能够自动识别文件是否是压缩类型，目前反对两种压缩类型：gzip 和 bz2。

接下来咱们看下 genfromtxt 的常见利用：

应用之前，通常须要导入两个库：

from io import StringIO
import numpy as np

StringIO 会生成一个 String 对象，能够作为 genfromtxt 的输出。

咱们先定义一个蕴含不同类型的 StringIO:

s = StringIO(u"1,1.3,abcde")

这个 StringIO 蕴含一个 int, 一个 float 和一个 str。并且宰割符是 ,。

咱们看下 genfromtxt 最简略的应用：

In [65]: data = np.genfromtxt(s)

In [66]: data
Out[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，后果就是 nan。

上面咱们增加一个逗号宰割符：

In [67]: _ = s.seek(0)

In [68]: data = np.genfromtxt(s,delimiter=",")

In [69]: data
Out[69]: array([1. , 1.3, nan])

这次有输入了，然而最初一个字符串因为不能被转换成为 float，所以失去了 nan。

留神，咱们第一行须要重置 StringIO 的指针到文件的结尾。这里咱们应用 s.seek(0)。

那么怎么把最初一个 str 也进行转换呢？咱们须要手动指定 dtype：

In [74]: _ = s.seek(0)

In [75]: data = np.genfromtxt(s,dtype=float,delimiter=",")

In [76]: data
Out[76]: array([1. , 1.3, nan])

下面咱们指定了所有的数组类型都是 float，咱们还能够别离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]: data
Out[79]: array((1, 1.3, b'abcde'), dtype=[('f0', '<i8'), ('f1', '<f8'), ('f2', '<U')])

咱们别离应用 int，float 和 str 来对文件中的类型进行转换, 能够看到失去了正确的后果。

除了指定类型，咱们还能够指定名字，下面的例子中，咱们没有指定名字，所以应用的是默认的 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]: data
Out[215]:
array((1, 1.3, b'abcde'),
      dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', 'S5')])

分隔符除了应用字符之外，还能够应用 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]: data
Out[218]:
array((1, 1.3, b'abcde'),
      dtype=[('intvar', '<i8'), ('fltvar', '<f8'), ('strvar', 'S5')])

下面咱们应用 index 作为 s 的宰割。

多维数组

如果数据中有换行符，那么能够应用 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

应用 autostrip 能够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# 结尾的都被看做是正文。

>>> 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.]])

跳过行和抉择列

能够应用 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.])

能够应用 usecols 来抉择特定的行数：

>>> 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，能够用 usecols 来抉择列的名字：

>>> 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/

最艰深的解读，最粗浅的干货，最简洁的教程，泛滥你不晓得的小技巧等你来发现！

欢送关注我的公众号:「程序那些事」, 懂技术，更懂你！