📅  最后修改于: 2023-12-03 15:39:18.811000             🧑  作者: Mango
Numpy 是用于科学计算的 Python 库之一。它可以处理高维数组和矩阵,同时提供了大量的数学函数,非常适合于数据处理。
在实际应用中,我们通常需要将数据从文件中读取进来,并转换成 Numpy 数组。这里我们介绍几种常见的方法。
CSV 是一种常见的文本文件格式,可以用 Excel 等软件编辑。Numpy 提供了 loadtxt
函数,可以轻松地实现将 CSV 文件导入 Numpy 数组。例如:
import numpy as np
data = np.loadtxt('data.csv', delimiter=',', skiprows=1)
这里假设 CSV 文件的路径为 data.csv
,每个元素之间用逗号分隔,第一行为标题,需要跳过。
如果要导入的文件是无格式的文本文件,可以使用 fromfile
函数读取。例如:
data = np.fromfile('data.txt', delimiter=',', dtype=float)
这里假设 TXT 文件的路径为 data.txt
,每个元素之间用逗号分隔,数据类型为浮点数。需要注意的是,这种方法不支持跳过行。
如果先前已经将数据存储为 Numpy 数组并使用 save
函数保存在文件中,那么可以直接使用 load
函数导入。例如:
data = np.load('data.npy')
这里假设 NPY 文件的路径为 data.npy
。
如果数据文件的格式不在上述几种范围内,可以使用 genfromtxt
函数读取。这个函数非常灵活,可以自动处理缺失值、多行标题等情况。例如:
data = np.genfromtxt('data.dat', delimiter=',', skip_header=1, filling_values=0)
这里假设数据文件的路径为 data.dat
,每个元素之间用逗号分隔,第一行为标题,需要跳过。如果文件中有缺失值,将其填充为零。
总之,使用 Numpy 可以轻松地将文本文件导入数组,为我们的数据处理带来了很大的方便。