簡介
在做科學計算的時候，我們需要從外部加載數據，今天給大家介紹一下NumPy中非常有用的一個方法genfromtxt。genfromtxt可以分解成兩步，第一步是從文件讀取數據，並轉化成爲字符串。第二步就是將字符串轉化成爲指定的數據類型。
genfromtxt介紹
先看下genfromtxt的定義：
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可以接受多個參數，這麼多參數中只有fname是必須的參數，其他的都是可選的。
fname可以有多種形式，可以是file, str, pathlib.Path, list of str, 或者generator。
如果是單獨的str，那麼默認是本地或者遠程文件的名字。如果是list of str，那麼每個str都被當做文件中的一行數據。如果傳入的是遠程的文件，這個文件會被自動下載到本地目錄中。
genfromtxt還可以自動識別文件是否是壓縮類型，目前支持兩種壓縮類型：gzip 和 bz2。
接下來我們看下genfromtxt的常見應用：
使用之前，通常需要導入兩個庫：
from io import StringIO
import numpy as np
StringIO會生成一個String對象，可以作爲genfromtxt的輸入。
我們先定義一個包含不同類型的StringIO:
s = StringIO(u"1,1.3,abcde")
這個StringIO包含一個int,一個float和一個str。並且分割符是 ,。
我們看下genfromtxt最簡單的使用：
In [65]: data = np.genfromtxt(s)
In [66]: data
Out[66]: array(nan)
因爲默認的分隔符是delimiter=None，所以StringIO中的數據會被作爲一個整體轉換成數組，結果就是nan。
下面我們添加一個逗號分割符：
In [67]: _ = s.seek(0)
In [68]: data = np.genfromtxt(s,delimiter=",")
In [69]: data
Out[69]: array([1. , 1.3, nan])
這次有輸出了，但是最後一個字符串因爲不能被轉換成爲float，所以得到了nan。
注意，我們第一行需要重置StringIO的指針到文件的開頭。這裏我們使用 s.seek(0)。
那麼怎麼把最後一個str也進行轉換呢？我們需要手動指定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])
上面我們指定了所有的數組類型都是float，我們還可以分別爲數組的每個元素指定類型：
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')])
我們分別使用int，float和str來對文件中的類型進行轉換,可以看到得到了正確的結果。
除了指定類型，我們還可以指定名字，上面的例子中，我們沒有指定名字，所以使用的是默認的f0,f1,f2。看一個指定名字的例子：
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')])
分隔符除了使用字符之外，還可以使用index：
~~~pythonIn [216]: s = StringIO(u”11.3abcde”)
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')])
<pre><code class="">上面我們使用index作爲s的分割。
# 多維數組
如果數據中有換行符，那麼可以使用genfromtxt來生成多維數組：
~~~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 可以刪除數據兩邊的空格：
>>> 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
默認的comments 是 # ，數據中所有以# 開頭的都被看做是註釋。
>>> 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.]])
跳過行和選擇列
可以使用skip_header 和 skip_footer 來跳過返回的數組特定的行：
>>> 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 來選擇特定的行數：
>>> data = u"1 2 3\n4 5 6"
>>> np.genfromtxt(StringIO(data), usecols=(0, -1))
array([[ 1., 3.],
[ 4., 6.]])
如果列還有名字的話，可以用usecols 來選擇列的名字：
>>> 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')])
本文已收錄於 http://www.flydean.com/06-python-numpy-genfromtxt/
最通俗的解讀，最深刻的乾貨，最簡潔的教程，衆多你不知道的小技巧等你來發現！
歡迎關注我的公衆號:「程序那些事」,懂技術，更懂你！