在 python 中创建包含字符串的矩阵的推荐方法答案

【问题标题】：Recomended way to create a matrix containing strings in python在 python 中创建包含字符串的矩阵的推荐方法
【发布时间】：2013-08-14 11:17:37
【问题描述】：

我需要编写一个程序来收集不同的数据集并将它们联合起来。为此，我必须读取一个逗号分隔的矩阵：在这种情况下，每一行代表一个实例（在这种情况下是蛋白质），每一列代表实例的一个属性。如果实例有属性，则用 1 表示，否则用 0 表示。矩阵类似于下面给出的示例，但更大，有 35000 个实例和数百个属性。

Proteins,Attribute 1,Attribute 2,Attribute 3,Attribute 4
Protein 1,1,1,1,0
Protein 2,0,1,0,1
Protein 3,1,0,0,0
Protein 4,1,1,1,0
Protein 5,0,0,0,0
Protein 6,1,1,1,1

在将有关实例的其他信息写入新文件之前，我需要一种方法来存储矩阵。我想使用 numpy 数组，因为我希望能够选择和检查单列。我尝试使用 numpy.empty 创建给定大小的数组，但似乎您必须预先选择字符串的长度并且之后无法更改它们。

有没有更好的方法来处理这些数据？我也想到了列表字典，但我无法选择单列。

【问题讨论】：

标签： python arrays string numpy

【解决方案1】：

您可以使用numpy.loadtxt，例如：

import numpy as np
a = np.loadtxt(filename, delimiter=',',usecols=(1,2,3,4),
               skiprows=1, dtype=float)

这将导致类似：

#array([[ 1.,  1.,  1.,  0.],
#       [ 0.,  1.,  0.,  1.],
#       [ 1.,  0.,  0.,  0.],
#       [ 1.,  1.,  1.,  0.],
#       [ 0.,  0.,  0.,  0.],
#       [ 1.,  1.,  1.,  1.]])

或者，使用structured arrays (`np.recarray')：

a = np.loadtxt('stack.txt', delimiter=',',usecols=(1,2,3,4),
        skiprows=1, dtype=[('Attribute 1', float),
                           ('Attribute 2', float),
                           ('Attribute 3', float),
                           ('Attribute 4', float)])

您可以从哪里获取每个字段，例如：

a['Attribute 1']
#array([ 1.,  0.,  1.,  1.,  0.,  1.])

【讨论】：

阅读loadtxt 我发现还有numpy.genfromtxt 用于矩阵中缺失数据的情况。（现在对我来说不是这样，但也许有人会发现这些信息有用？）
是的，你是对的！我也为您的情况尝试过genfromtxt，它们在这种情况下的使用方式相同，参数相同......

【解决方案2】：

看看pandas。

pandas 是一个开源、BSD 许可的库，为 Python 编程语言提供高性能、易于使用的数据结构和数据分析工具。

【讨论】：

这次我会尝试 np.loadtxt，但从长远来看，pandas 对我来说似乎是件好事。我会看看这个。

【解决方案3】：

您可以改用genfromtxt：

data = np.genfromtxt('file.txt', dtype=None)

这将为您的表创建一个structured array (aka record array)。

【讨论】：