julia 的 numpy.loadtxt 是否有等效（或接近）？答案

【问题标题】：Is there an equivalent (or close) to numpy.loadtxt for julia?julia 的 numpy.loadtxt 是否有等效（或接近）？
【发布时间】：2014-11-07 21:12:01
【问题描述】：

我正在尝试将我的一些 python 程序转换为 julia，其中一个要求我从 txt 文件中获取矩阵形状的值，然后继续使用矩阵进行乘法等。

除了逐行或逐个字符地迭代之外，还有什么更好的方法可以从文件输入并在 julia 中加载矩阵？

例如，一个文本文件看起来像

5 9
10 3

所以我的矩阵将是

[[5,9],
 [10,3]]

然后我会用它来乘其他矩阵等。

我这周刚开始接触 julia，所以我仍在尽我所能梳理图书馆和 MIT 的资源。到目前为止，我最好的想法（假设没有与 numpy.loadtxt 等效）是逐行加载到数组中，然后再对其进行整形，但我想让它尽可能高效，这看起来很慢而不是干净的导入方式。

【问题讨论】：

标签： python numpy io julia

【解决方案1】：

试试Readdlm()。查看article了解更多详情

julia> file="23 12 13 22
       15 61 17 10
       1 0 11 12"

您可以读取并将其转换为数组readdlm(IOBuffer(file))，您也可以通过这种方式强制数组的项目为整数readdlm(IOBuffer(file),int)

julia> readdlm(IOBuffer(file))
3x4 Array{Float64,2}:
 23.0  12.0  13.0  22.0
 15.0  61.0  17.0  10.0
 1.0   0.0   11.0  12.0

【讨论】：

【解决方案2】：

CSV.read() 函数也可用于读取分隔文件。 CSV.read() 相对于readdlm() 的优势在于CSV.read() 对于大文件来说要快得多。例如，要阅读以下内容，

julia> file = 
       """
       23 12 13 22
       15 61 17 10
       1 0 11 12
       """

代码是，

julia> CSV.read(IOBuffer(file),delim=" ",ignorerepeated=true,header=false)
3×4 DataFrames.DataFrame
│ Row │ Column1 │ Column2 │ Column3 │ Column4 │
│     │ Int64   │ Int64   │ Int64   │ Int64   │
├─────┼─────────┼─────────┼─────────┼─────────┤
│ 1   │ 23      │ 12      │ 13      │ 22      │
│ 2   │ 15      │ 61      │ 17      │ 10      │
│ 3   │ 1       │ 0       │ 11      │ 12      │

对于小文件，readdlm() 更快。

julia> using BenchmarkTools

julia> @btime CSV.read(IOBuffer(file),delim=" ",ignorerepeated=true,header=false);
  68.197 μs (185 allocations: 14.80 KiB)

julia> @btime readdlm(IOBuffer(file));
  2.465 μs (20 allocations: 40.70 KiB)

但对于较大的文件，CSV.read() 更快更高效。

julia> @btime CSV.read(IOBuffer(file^100000),delim=" ",ignorerepeated=true,header=false);
  32.027 ms (230 allocations: 3.26 MiB)

julia> @btime readdlm(IOBuffer(file^100000));
  142.187 ms (3600025 allocations: 116.44 MiB)

可以转换为数组，

julia> dffile = CSV.read(IOBuffer(file),delim=" ",ignorerepeated=true,header=false);

julia> convert(Matrix, dffile)
3×4 Array{Int64,2}:
 23  12  13  22
 15  61  17  10
  1   0  11  12

可以进行许多其他自定义以读取不同类型的文件，详情请参阅documentation。

【讨论】：