NumPy 之: 使用 genfromtxt 导入数据

简介在做科学计算的时候，我们需要从外部加载数据，今天给大家介绍一下 NumPy 中非常有用的一个方法 genfromtxt。genfromtxt 可以分解成两步，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 可以接受多个参数，这么多参数中只有 fname 是必须的参数，其他的都是可选的。

fname 可以有多种形式，可以是 file, str, pathlib.Path, list of str, 或者 generator。

如果是单独的 str，那么默认是本地或者远程文件的名字。如果是 list of str，那么每个 str 都被当做文件中的一行数据。如果传入的是远程的文件，这个文件会被自动下载到本地目录中。

genfromtxt 还可以自动识别文件是否是压缩类型，目前支持两种压缩类型：gzip 和 bz2。

接下来我们看下 genfromtxt 的常见应用：

使用之前，通常需要导入两个库：

from io import StringIOimport numpy as npStringIO 会生成一个 String 对象，可以作为 genfromtxt 的输入。

我们先定义一个包含不同类型的 StringIO:

s = StringIO(u"1,1.3,abcde")这个 StringIO 包含一个 int,一个 float 和一个 str。并且分割符是 ,。

我们看下 genfromtxt 最简单的使用：

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

In [66]: dataOut[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，结果就是 nan。

下面我们添加一个逗号分割符：

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

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

In [69]: dataOut[69]: array([1. , 1.3, nan])这次有输出了，但是最后一个字符串因为不能被转换成为 float，所以得到了 nan。

注意，我们第一行需要重置 StringIO 的指针到文件的开头。这里我们使用 s.seek(0)。

那么怎么把最后一个 str 也进行转换呢？我们需要手动指定 dtype：

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

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

In [76]: dataOut[76]: array([1. , 1.3, nan])上面我们指定了所有的数组类型都是 float，我们还可以分别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]: dataOut[79]: array((1, 1.3, b'abcde'), dtype=[('f0', '<i8'), ('f1', '<f8'), ('f2', '<U')])我们分别使用 int，float 和 str 来对文件中的类型进行转换,可以看到得到了正确的结果。

除了指定类型，我们还可以指定名字，上面的例子中，我们没有指定名字，所以使用的是默认的 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]: dataOut[215]:array((1, 1.3, b'abcde'),dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', 'S5')])分隔符除了使用字符之外，还可以使用 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]: dataOut[218]:array((1, 1.3, b'abcde'),dtype=[('intvar', '<i8'), ('fltvar', '<f8'), ('strvar', 'S5')])
<pre><code class="">上面我们使用index作为s的分割。
# 多维数组
如果数据中有换行符，那么可以使用genfromtxt来生成多维数组：
~~~Python>>> data = u”1, 2, 3\n4, 5, 6″>>> np.genfromtxt(StringIO(data), delimiter=”,”)array([[ 1., 2., 3.],[ 4., 5., 6.]])autostrip使用autostrip 可以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# 开头的都被看做是注释。
>>> 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.]])跳过行和选择列可以使用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.])可以使用usecols 来选择特定的行数：
>>> 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，可以用usecols 来选择列的名字：
>>> 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/
最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！
欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！