将数据从 csv 加载到 Scikit 学习 SVM答案

【问题标题】：load data from csv into Scikit learn SVM将数据从 csv 加载到 Scikit 学习 SVM
【发布时间】：2015-07-18 23:43:10
【问题描述】：

我想训练一个支持向量机来执行样本分类。我有一个 csv 文件，它有 3 列带标题：特征 1、特征 2、类标签和 20 行（= 样本数）。

现在我引用 Scikit-Learn 文档 " 与其他分类器一样，SVC、NuSVC 和 LinearSVC 将两个数组作为输入：一个大小为 [n_samples, n_features] 的数组 X 保存训练样本，以及一个包含类标签（字符串或整数）的数组 y，大小为 [n_samples]："

我知道我需要获取两个数组（一个 2d 和一个 1d 数组）才能将数据输入 SVM。但是我无法理解如何从 csv 文件中获取所需的数组。我试过下面的代码

import numpy as np
data = np.loadtxt('test.csv', delimiter=',')
print data

但是它显示错误 “ValueError：无法将字符串转换为浮点数：��ࡱ�”

csv 中没有列标题。我在调用函数 np.loadtxt 时是否犯了任何错误，还是应该使用其他东西？

更新：这是我的 .csv 文件的样子。

12  122 34
12234   54  23
23  34  23

【问题讨论】：

查看 csv 的前几行会很有用
嗨，我已经用几行 csv 更新了这个问题。
我在你的 csv 中没有看到分隔符，删除 delimiter 参数所以：data = np.loadtxt('test.csv') 应该可以工作
分隔符也有可能是一个制表符（看看值是如何对齐的）。如果是这种情况，请尝试delimiter='\t'。
@EdChum- 是的，现在我注意到没有逗号。

标签： python csv numpy scikit-learn

【解决方案1】：

您传递了参数 delimiter=','，但您的 csv 不是逗号分隔的。

所以下面的工作：

In [378]:

data = np.loadtxt(path_to_data)
data
Out[378]:
array([[  1.20000000e+01,   1.22000000e+02,   3.40000000e+01],
       [  1.22340000e+04,   5.40000000e+01,   2.30000000e+01],
       [  2.30000000e+01,   3.40000000e+01,   2.30000000e+01]])

docs 表明默认情况下分隔符为 None，因此将空格视为分隔符：

delimiter : str, optional 用于分隔值的字符串。经过默认，这是任何空格。

【讨论】：

正如我所说的，问题在于 csv 文件而不是分隔符。我认为将分隔符更改为“”是行不通的，因为创建 csv 文件时，它的分隔符是“，”，您不同意吗？
是的，你是对的。我从en.wikipedia.org/wiki/Comma-separated_values 确认了它。但是，我在创建 csv 文件时给人的印象是分隔符是逗号。我在保存文件时犯了一个错误，因此出现了错误。

【解决方案2】：

问题在于 csv 文件而不是 loadtxt() 函数。我保存的格式没有提供正确的 .csv 文件（不知道为什么！-也许我根本没有保存它）。但是有一种方法可以验证 csv 文件是否以正确的格式保存。使用记事本打开 .csv 文件。如果数据之间有逗号，则正确保存。并且 loadtxt() 将起作用。如果它显示一些乱码，则重新创建它然后检查。

【讨论】：