CSVデータをNumPyのレコード配列に読み込むにはどうすればよいですか？

私は多くの方法で、レコードの配列にCSVファイルの内容をインポートするための直接的な方法があるかどうだろうというRのread.table()、read.delim()、およびread.csv()Rのデータフレームに家族の輸入データ？

または、csv.reader（）を使用してから次のようなものを適用する最良の方法はnumpy.core.records.fromrecords()？

Numpyのgenfromtxt()メソッドを使用するには、delimiterkwargをコンマに設定します。

from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')

関数の詳細については、それぞれのドキュメントを参照してください。

ライブラリのread_csv関数をお勧めしますpandas：

import pandas as pd
df=pd.read_csv('myfile.csv', sep=',',header=None)
df.values
array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

これはpandas DataFrameを提供します-numpy レコード配列では直接利用できない多くの便利なデータ操作関数を許可します。

DataFrameは、潜在的に異なるタイプの列を持つ2次元のラベル付きデータ構造です。スプレッドシートやSQLテーブルのように考えることができます...

私もお勧めしgenfromtxtます。ただし、質問では通常の配列ではなくレコード配列が求められるため、dtype=Noneパラメーターをgenfromtxt呼び出しに追加する必要があります。

入力ファイルが与えられた場合myfile.csv：

1.0, 2, 3
4, 5.5, 6

import numpy as np
np.genfromtxt('myfile.csv',delimiter=',')

配列を与える：

array([[ 1. ,  2. ,  3. ],
       [ 4. ,  5.5,  6. ]])

そして

np.genfromtxt('myfile.csv',delimiter=',',dtype=None)

レコード配列を与える：

array([(1.0, 2.0, 3), (4.0, 5.5, 6)], 
      dtype=[('f0', '<f8'), ('f1', '<f8'), ('f2', '<i4')])

これには、複数のデータ型（文字列を含む）を持つファイルを簡単にインポートできるという利点があります。

私は時間を計った

from numpy import genfromtxt
genfromtxt(fname = dest_file, dtype = (<whatever options>))

対

import csv
import numpy as np
with open(dest_file,'r') as dest_f:
    data_iter = csv.reader(dest_f,
                           delimiter = delimiter,
                           quotechar = '"')
    data = [data for data in data_iter]
data_array = np.asarray(data, dtype = <whatever options>)

約70列の460万行で、NumPyパスには2分16秒かかり、csv-list内包法には13秒かかりました。

csv-list内包法は、NumPyほどのインタープリターではなく、事前にコンパイルされたライブラリーに依存している可能性が高いため、お勧めします。私はパンダの方法が同様のインタープリターのオーバーヘッドを持っていると思います。

recfromcsv()データ型を推測して適切にフォーマットされたレコード配列を返すことができるものを試すこともできます。

NumPyとPandasの両方を使用してみたので、pandasを使用すると多くの利点があります。

• もっと早く
• CPU使用量が少ない
• NumPy genfromtxtと比較した1/3のRAM使用量

これは私のテストコードです：

$ for f in test_pandas.py test_numpy_csv.py ; do  /usr/bin/time python $f; done
2.94user 0.41system 0:03.05elapsed 109%CPU (0avgtext+0avgdata 502068maxresident)k
0inputs+24outputs (0major+107147minor)pagefaults 0swaps

23.29user 0.72system 0:23.72elapsed 101%CPU (0avgtext+0avgdata 1680888maxresident)k
0inputs+0outputs (0major+416145minor)pagefaults 0swaps

test_numpy_csv.py

from numpy import genfromtxt
train = genfromtxt('/home/hvn/me/notebook/train.csv', delimiter=',')

test_pandas.py

from pandas import read_csv
df = read_csv('/home/hvn/me/notebook/train.csv')

データファイル：

du -h ~/me/notebook/train.csv
 59M    /home/hvn/me/notebook/train.csv

NumPyとpandasのバージョン：

$ pip freeze | egrep -i 'pandas|numpy'
numpy==1.13.3
pandas==0.20.2

このコードを使用して、CSVファイルデータを配列に送信できます。

import numpy as np
csv = np.genfromtxt('test.csv', delimiter=",")
print(csv)

使用する numpy.loadtxt

とても簡単な方法です。しかし、すべての要素が浮動小数点数である必要があります（intなど）

import numpy as np 
data = np.loadtxt('c:\\1.csv',delimiter=',',skiprows=0)  

これが最も簡単な方法です。

import csv with open('testfile.csv', newline='') as csvfile: data = list(csv.reader(csvfile))

これで、データの各エントリは、配列として表されるレコードになります。これで2D配列ができました。時間を大幅に節約できました。

私はこれを試しました：

import pandas as p
import numpy as n

closingValue = p.read_csv("<FILENAME>", usecols=[4], dtype=float)
print(closingValue)

テーブルの使用をお勧めします（pip3 install tables）。パンダ（）.csvを.h5使用してファイルを保存できます。pip3 install pandas

import pandas as pd
data = pd.read_csv("dataset.csv")
store = pd.HDFStore('dataset.h5')
store['mydata'] = data
store.close()

その後、簡単に、大量のデータでも短時間で、NumPy配列にデータを読み込むことができます。

import pandas as pd
store = pd.HDFStore('dataset.h5')
data = store['mydata']
store.close()

# Data in NumPy format
data = data.values

チャームとしてのこの作品...

import csv
with open("data.csv", 'r') as f:
    data = list(csv.reader(f, delimiter=";"))

import numpy as np
data = np.array(data, dtype=np.float)