genfromtxt 错误 - 得到 n 列而不是 m

Question

我正在尝试使用带有标题名称和非同质数据类型的 numpy 的 genfromtxt 导入数据。每次我运行程序时都会出现错误：

Traceback (most recent call last):
    raise ValueError(errmsg)
ValueError: Some errors were detected !
    Line #8 (got 6 columns instead of 1)
    Line #9 (got 6 columns instead of 1)
    Line #10 (got 6 columns instead of 1)
    Line #11 (got 6 columns instead of 1)
    Line #12 (got 6 columns instead of 1)

我已经经历过这个question 但这并没有解决我的问题。这是一个非常简单的问题，但我不知道出了什么问题。包含代码和数据：

代码

import numpy as np
data = np.genfromtxt('Data.dat', comments='#', delimiter='\t', names=True, dtype=None).transpose()
print data

制表符分隔的数据

# -----
# -----
# -----
# -----
# -----
# -----
# -----
column_1    column_2    column_3    column_4    column_5    column_6
1   2   3   A   1   F
4   3   2   B   2   G
1   4   3   C   3   H
5   6   4   D   4   I

更新

简而言之，我需要一种将 skip_header 之后的第一个有效行转换为可选参数 names=True 的第一个未注释的有效行的方法。

Answer 1

当names=True 时，genfromtxt 期望 第一 行（skip_header 行之后）包含字段名称，即使该行是注释。显然，在注释中指定字段名称是很常见的。如果您在未注释的字段名称​​之前有可变数量的 cmets，则您必须解决 genfromtxt 的这个怪癖。以下显示了您可以执行此操作的一种方法。

这是我的测试文件。 （该文件以空格分隔。在对genfromtxt 的调用中添加delimiter='\t' 以获得制表符分隔的文件）。

In [12]: cat with_comments.dat
# Some
# comments
# here
foo bar baz
1.0 2.0 3.0
4.0 5.0 6.0
7.0 8.0 9.0

打开文件，读取行，直到该行不是注释：

In [13]: f = open("with_comments.dat", "r")

In [14]: line = f.readline()

In [15]: while line.startswith('#'):
   ....:     line = f.readline()
   ....: 

line 现在包含字段名称行：

In [16]: line
Out[16]: 'foo bar baz\n'

将其转换为名称列表：

In [17]: names = line.split()

将这些名称提供给 genfromtxt，然后读取文件的其余部分：

In [18]: data = genfromtxt(f, names=names)

In [19]: data
Out[19]: 
array([(1.0, 2.0, 3.0), (4.0, 5.0, 6.0), (7.0, 8.0, 9.0)], 
      dtype=[('foo', '<f8'), ('bar', '<f8'), ('baz', '<f8')])

不要忘记关闭文件（或者更好的是，改用with("with_comments.dat", "r") as f:）：

In [20]: f.close()

Answer 2

根据genfromtxt的文档：

如果names 为True，则从第一行skip_header 之后的第一个有效行读取字段名称。

在您的示例中，您可以将 skip_header=7 添加到 genfromtxt 调用中以使其工作。

Answer 3

好的，稍微刺激一下已经揭示了答案。来自genfromtxt() 文档 (http://docs.scipy.org/doc/numpy/user/basics.io.genfromtxt.html)：

注意：此行为有一个值得注意的例外：如果可选 参数名称=真，将检查第一个注释行 名字。

因此，为了使您的代码正常工作，您的数据应采用以下格式：

#column_1   column_2    column_3    column_4    column_5    column_6
#   -----
#   -----
#   -----
#   -----
#   -----
#   -----
1   2   3   A   1   F
4   3   2   B   2   G
1   4   3   C   3   H
5   6   4   D   4   I

或者，如果您有可变数量的标题/cmets 行，但列都是相同的，那么您可以在 genfromtxt 参数中定义列名：

data = np.genfromtxt(
    path, comments='#', delimiter='\t', 
    names='column_1,column_2,column_3,column_4,column_5,column_6',
    dtype=None
)

但是，通过使用 comments 关键字，genfromtxt 将读取包含列标题的最后一个评论行之后的第一行。它将假定它是数据的一部分，因此您的 dtype 应该是字符串，因此您在此阶段的数据将如下所示：

array([('column_1', 'column_2', 'column_3', 'column_4', 'column_5', 'column_6'),
       ('1', '2', '3', 'A', '1', 'F'), ('4', '3', '2', 'B', '2', 'G'),
       ('1', '4', '3', 'C', '3', 'H'), ('5', '6', '4', 'D', '4', 'I')], 
      dtype=[('column_1', 'S8'), ('column_2', 'S8'), ('column_3', 'S8'), ('column_4', 'S8'), ('column_5', 'S8'), ('column_6', 'S8')])

如果你知道你的列应该是什么数据类型，你首先取一个不包括第一行的切片：

data1 = data[1:]

然后修改dtypes:

data1.astype(np.dtype([('column_1', 'i4'),('column_2', 'i4'), ('column_3', 'i4'), ('column_4', 'S10'), ('column_5', 'i4'), ('column_6', 'S10')]))

输出：

array([(1, 2, 3, 'A', 1, 'F'), (4, 3, 2, 'B', 2, 'G'),
       (1, 4, 3, 'C', 3, 'H'), (5, 6, 4, 'D', 4, 'I')], 
      dtype=[('column_1', '<i4'), ('column_2', '<i4'), ('column_3', '<i4'), ('column_4', 'S10'), ('column_5', '<i4'), ('column_6', 'S10')])