numpy.loadtxt() 处理csv文件的正确姿势


loadtxt()函数概述

函数loadtxt用于从文本加载数据,我们可以利用该方法把数据读取到np.array中然后做进一步的数据处理,详细信息如下:

def loadtxt(fname, dtype=float, comments='#', delimiter=None,

            converters=None, skiprows=0, usecols=None, unpack=False,

            ndmin=0, encoding='bytes', max_rows=None):

Returns: ndarray

其中具体的参数含义如下:

fname要读取的文件、文件名、或生成器。

dtype数据类型,默认float。

comments注释。

delimiter分隔符格。

skiprows跳过前几行读取,默认是0,必须是int整型。

usecols:要读取哪些列,0是第一列。例如,usecols = (1,5)将提取第2和第6列。默认读取所有列。

unpack如果为True,将分列读取, 例如x, y, z = loadtxt(...)

encoding 编码格式

max_rows 读取的最大行数

converters 字典类型,对某列数据类型进行转换,例如{0:float}

ndmin 指定生成数组的维度

loadtxt实战

我们举一个例子来讲解其读写csv文件的应用

创建一个csv文件,内容如下:

id,cpu,mem

1,0.00%,0B / 0B

2,0.00%,577.6MiB / 1GiB

3,0.00%,44KiB / 30.92GiB

4,0.00%,0B / 0B

5,0.00%,0B / 0B

6,0.00%,0B / 0B

7,0.00%,0B / 0B

8,0.01%,703.5MiB / 2GiB

9,0.00%,48KiB / 30.92GiB

10,0.00%,618.9MiB / 2GiB

实例1

x,y,z=np.array(np.loadtxt('D:/data/log10.csv',dtype=str,delimiter=',',unpack=True,encoding='utf-8',max_rows=5))

print(x)

print(y)

print(z)

输出:

['1' '2' '3' '4' '5']

['0.00%' '0.00%' '0.00%' '0.00%' '0.00%']

['0B / 0B' '577.6MiB / 1GiB' '44KiB / 30.92GiB' '0B / 0B' '0B / 0B']

可以看到:

我们把csv三列的数据分别赋值给了x,y,z, 使用unpack=True

数组中的值都是String类型,使用dtype=str

Csv中有10行数据,但是数组中保存了5行,因为使用max_rows=5

数组中没有输出 id,cpu,mem等信息,因为默认skiprows=0会将首行过滤

使用delimiter=',作为csv数据的分隔符'

实例2

arr=np.array(np.loadtxt('D:/data/log10.csv',dtype=str,delimiter=',',usecols = (1,2),encoding='utf-8',max_rows=5))

print(arr)

输出

[['0.00%' '0B / 0B']

 ['0.00%' '577.6MiB / 1GiB']

 ['0.00%' '44KiB / 30.92GiB']

 ['0.00%' '0B / 0B']

 ['0.00%' '0B / 0B']]

可以看到:

只显示了csv中的第一列和第二列数据,usecols = (1,2)

因为没有使用unpack=True,所以整体作为一个二维数组进行输出

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,607评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,239评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,960评论 0 355
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,750评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,764评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,604评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,347评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,253评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,702评论 1 315
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,893评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,015评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,734评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,352评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,934评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,052评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,216评论 3 371
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,969评论 2 355

推荐阅读更多精彩内容