是否有一种直接的方法将CSV文件的内容导入到记录数组中，就像R的read.table()， read.delim()和read.csv()将数据导入到R数据框架中一样?
或者我应该使用csv.reader()，然后应用numpy.core.records.fromrecords()?
当前回答
使用numpy.loadtxt
一个非常简单的方法。但它要求所有元素都是float (int等)
import numpy as np
data = np.loadtxt('c:\\1.csv',delimiter=',',skiprows=0)
其他回答
我试了一下:
import pandas as p
import numpy as n
closingValue = p.read_csv("<FILENAME>", usecols=[4], dtype=float)
print(closingValue)
可在最新的熊猫和numpy版本。
import pandas as pd
import numpy as np
data = pd.read_csv('data.csv', header=None)
# Discover, visualize, and preprocess data using pandas if needed.
data = data.to_numpy()
使用numpy.genfromtxt()，将分隔符kwarg设置为逗号:
from numpy import genfromtxt
my_data = genfromtxt('my_file.csv', delimiter=',')
还可以尝试recfromcsv()，它可以猜测数据类型并返回正确格式化的记录数组。
我试了一下:
from numpy import genfromtxt
genfromtxt(fname = dest_file, dtype = (<whatever options>))
对比:
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>)
对460万行约70列进行了分析，发现NumPy路径花费了2分16秒，csv-list理解方法花费了13秒。
我会推荐csv-list理解方法，因为它很可能依赖于预编译的库，而不是像NumPy那样依赖解释器。我怀疑pandas方法也有类似的解释器开销。
