Question

我想知道是否有直接方法将CSV文件的内容导入记录数组，这与R read.table()，read.delim()和read.csv()系列导入的方式非常相似数据到R的数据框？

或者是使用csv.reader()然后应用numpy.core.records.fromrecords()等内容的最佳方式？

Answer 1

您可以使用Numpy的genfromtxt()方法，将delimiter kwarg设置为逗号。

from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')

有关该功能的更多信息，请参见各自的documentation。

Answer 2

我会推荐pandas库中的read_csv函数：

import pandas as pd
df=pd.read_csv('myfile.csv', sep=',',header=None)
df.values
array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

这会产生一只大熊猫DataFrame - 允许many useful data manipulation functions which are not directly available with numpy record arrays。

DataFrame是一个二维标记数据结构，其列为可能不同的类型。您可以将其视为电子表格或 SQL表......

我还建议genfromtxt。但是，由于问题要求record array而不是普通数组，因此需要将dtype=None参数添加到genfromtxt调用中：

给定输入文件myfile.csv：

1.0, 2, 3
4, 5.5, 6

import numpy as np
np.genfromtxt('myfile.csv',delimiter=',')

给出一个数组：

array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

和

np.genfromtxt('myfile.csv',delimiter=',',dtype=None)

给出一个记录数组：

array([(1.0, 2.0, 3), (4.0, 5.5, 6)], 
      dtype=[('f0', '<f8'), ('f1', '<f8'), ('f2', '<i4')])

这具有multiple data types (including strings) can be easily imported。

文件的优势

Answer 3

您还可以尝试recfromcsv()，它可以猜测数据类型并返回格式正确的记录数组。

Answer 4

我定时了

from numpy import genfromtxt
genfromtxt(fname = dest_file, dtype = (<whatever options>))

与

import csv
import numpy as np
with open(dest_file,'r') as dest_f:
    data_iter = csv.reader(dest_f,
                           delimiter = delimiter,
                           quotechar = '"')
    data = [data for data in data_iter]
data_array = np.asarray(data, dtype = <whatever options>)

460万行，大约70列，发现NumPy路径需要2分16秒，而csv-list理解方法需要13秒。

我建议使用csv-list理解方法，因为它很可能依赖于预编译的库而不是NumPy那样的解释器。我怀疑pandas方法会有类似的解释器开销。

Answer 5

当我尝试使用NumPy和Pandas时，使用pandas有很多优点：

更快
减少CPU使用量
与NumPy genfromtxt相比的1/3 RAM使用量

这是我的测试代码：

$ for f in test_pandas.py test_numpy_csv.py ; do  /usr/bin/time python $f; done
2.94user 0.41system 0:03.05elapsed 109%CPU (0avgtext+0avgdata 502068maxresident)k
0inputs+24outputs (0major+107147minor)pagefaults 0swaps

23.29user 0.72system 0:23.72elapsed 101%CPU (0avgtext+0avgdata 1680888maxresident)k
0inputs+0outputs (0major+416145minor)pagefaults 0swaps

test_numpy_csv.py

from numpy import genfromtxt
train = genfromtxt('/home/hvn/me/notebook/train.csv', delimiter=',')

test_pandas.py

from pandas import read_csv
df = read_csv('/home/hvn/me/notebook/train.csv')

数据文件：

du -h ~/me/notebook/train.csv
 59M    /home/hvn/me/notebook/train.csv

版本中使用NumPy和pandas：

$ pip freeze | egrep -i 'pandas|numpy'
numpy==1.13.3
pandas==0.20.2

Answer 6

您可以使用此代码将CSV文件数据发送到数组中：

import numpy as np
csv = np.genfromtxt('test.csv', delimiter=",")
print(csv)

Answer 7

我试过了：

import pandas as p
import numpy as n

closingValue = p.read_csv("<FILENAME>", usecols=[4], dtype=float)
print(closingValue)

Answer 8

使用numpy.loadtxt

一种非常简单的方法。但它需要所有元素都是float（int等）

import numpy as np 
data = np.loadtxt('c:\\1.csv',delimiter=',',skiprows=0)

Answer 9

这是最简单的方法：

import csv with open('testfile.csv', newline='') as csvfile: data = list(csv.reader(csvfile))

现在，数据中的每个条目都是一条记录，表示为数组。所以你有一个2D数组。它为我节省了很多时间。

Answer 10

我建议使用表格（pip3 install tables）。您可以使用熊猫（.csv）将.h5文件保存到pip3 install pandas，

import pandas as pd
data = pd.read_csv("dataset.csv")
store = pd.HDFStore('dataset.h5')
store['mydata'] = data
store.close()

然后，您可以轻松地并且以更少的时间（即使是处理大量数据）将数据加载到 NumPy数组中。

import pandas as pd
store = pd.HDFStore('dataset.h5')
data = store['mydata']
store.close()

# Data in NumPy format
data = data.values

Answer 11

这是一种魅力...

import csv
with open("data.csv", 'r') as f:
    data = list(csv.reader(f, delimiter=";"))

import numpy as np
data = np.array(data, dtype=np.float)

如何在NumPy中将CSV数据读入记录数组？

11 个答案:

test_numpy_csv.py

test_pandas.py

数据文件：