genfromtxt dtype=None 返回错误的形状

Question

我是 numpy 的新手，我很难使用 genfromtxt 将 CSV 读取到 numpy 数组中。

我在网上找到了一个 CSV 文件，我将其用作示例。它是浮点数和字符串的混合体。在这里：http://pastebin.com/fMdRjRMv

我通过 pylab 使用 numpy（通过：ipython -pylab 在 Ubuntu 系统上初始化）。 numpy.version.version 是 1.3.0。

这是我的工作：

示例 #1：

data = genfromtxt("fMdRjRMv.txt", delimiter=',', dtype=None)

data.shape

(374, 15)


data[10,10] ## Take a look at an example element

'30'

type(data[10,10])

type 'numpy.string_'

CSV 文件中没有错误的引号，所以我不知道为什么它应该认为数字是一个字符串。有谁知道为什么会这样？

示例 #2（跳过第一行）：

data = genfromtxt("fMdRjRMv.txt", delimiter=',', dtype=None, skiprows=1)

数据形状

(373,)

有谁知道它为什么不将所有这些读入一维数组？

非常感谢！

Answer 1

在您的示例 #1 中，问题在于单个列中的所有值必须共享相同的数据类型。由于数据文件的第一行有列名，这意味着每列的数据类型都是字符串。

您在示例#2 中跳过第一行的想法是正确的。但是请注意，1.3.0 是一个相当旧的版本（我有 1.6.1）。在较新的版本中，skiprows 已弃用，您应该改用skip_header。

数组的形状之所以为(373,)，是因为它是一个结构化数组（见http://docs.scipy.org/doc/numpy/user/basics.rec.html），这是numpy用来表示非同质数据的。所以data[10] 为您提供整行表格。您还可以按名称访问数据列，例如data['f10']。您可以在data.dtype.names 中找到列的名称。也可以使用数据文件第一行中定义的原始列名：

 data = genfromtxt("fMdRjRMv.txt", dtype=None, delimiter=',', names=True)

然后您可以访问像data['Age'] 这样的列。