CSV-Daten in Datensatzarrays in NumPy importieren
Bei der Arbeit mit tabellarischen Daten kann ein Datensatzarray eine nützliche Datenstruktur in NumPy sein. Es ermöglicht Ihnen, Daten mit heterogenen Datentypen zu speichern und über Feldnamen auf die Daten zuzugreifen. Wenn Sie nach einer direkten Möglichkeit suchen, CSV-Daten in ein Datensatzarray zu importieren, analog zu den Funktionen read.table(), read.delim() und read.csv() in R, finden Sie hier eine Lösung:
Verwenden Sie numpy.genfromtxt()
Die genfromtxt()-Funktion von NumPy bietet eine direkte Möglichkeit zum Lesen CSV-Daten in ein Datensatzarray. Durch Setzen des Trennzeichen-Schlüsselwortarguments auf ein Komma trennt genfromtxt() die Daten automatisch in Felder:
import numpy as np # Import CSV data using genfromtxt() data = np.genfromtxt("my_data.csv", delimiter=",")
Die resultierende Datenvariable ist ein strukturiertes NumPy-Array, in dem jede Zeile einen Datensatz und jede Spalte darstellt stellt ein Feld dar. Auf die einzelnen Felder können Sie über eine attributähnliche Syntax zugreifen:
# Access the 'name' field names = data['name']
Alternativ können Sie über das dtype.names-Attribut auf die Felder als Tupel zugreifen:
# Get the field names field_names = data.dtype.names # Access the 'name' field using the tuple index names = data[field_names.index('name')]
Zusätzliche Optionen
Wenn Sie mehr Kontrolle über den Datenimportprozess benötigen, können Sie pd.read_csv() verwenden Funktion aus der Pandas-Bibliothek. Es bietet zusätzliche Funktionen wie die Handhabung unterschiedlicher Codierungen und das Überspringen von Headern:
import pandas as pd # Import CSV data using pd.read_csv() df = pd.read_csv("my_data.csv")
Unabhängig von der gewählten Methode bieten die Datensatz-Arrays von NumPy eine bequeme Möglichkeit, mit Tabellendaten zu arbeiten, und genfromtxt() bietet eine direkte Möglichkeit um CSV-Daten in dieses Format zu importieren.
Das obige ist der detaillierte Inhalt vonWie kann ich CSV-Daten in NumPy-Datensatzarrays importieren?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!