NumPy：新旧数据描述符的大小不匹配

Question

我运行在读取 CSV 文件时遇到 NumPy 1.10.2 的以下问题。我无法弄清楚如何为 genfromtxt.

提供显式数据类型

这是 CSV，minimal.csv:

x,y
1,hello
2,hello
3,jello
4,jelly
5,belly

这里我尝试用genfromtxt阅读：

import numpy
numpy.genfromtxt('minimal.csv', dtype=(int, str))

我也试过：

import numpy
numpy.genfromtxt('minimal.csv', names=True, dtype=(int, str))

无论如何，我收到错误：

Traceback (most recent call last):
  File "visualize_numpy.py", line 39, in <module>
    numpy.genfromtxt('minimal.csv', dtype=(int, str))
  File "/Users/xeli/workspace/myproj/env/lib/python3.5/site-packages/numpy/lib/npyio.py", line 1518, in genfromtxt
    replace_space=replace_space)
  File "/Users/xeli/workspace/myproj/env/lib/python3.5/site-packages/numpy/lib/_iotools.py", line 881, in easy_dtype
    ndtype = np.dtype(ndtype)
ValueError: mismatch in size of old and new data-descriptor

或者，我试过：

import numpy
numpy.genfromtxt('minimal.csv', dtype=[('x', int), ('y', str)])

抛出：

Traceback (most recent call last):
  File "visualize_numpy.py", line 39, in <module>
    numpy.genfromtxt('minimal.csv', dtype=[('x', int), ('y', str)])
  File "/Users/xeli/workspace/myproj/env/lib/python3.5/site-packages/numpy/lib/npyio.py", line 1834, in genfromtxt
    rows = np.array(data, dtype=[('', _) for _ in dtype_flat])
ValueError: size of tuple must match number of fields.

我知道 dtype=None 让 NumPy 尝试猜测正确的类型并且通常运行良好。但是，文档提到它比显式类型慢得多。在我的例子中，计算效率是必需的，所以 dtype=None 不是一个选项。

我的方法或 NumPy 有什么严重错误吗？

Answer 1

从略看documentation，默认delimiter=None。

尝试numpy.genfromtxt('minimal.csv', dtype=(int, str), names=True, delimiter=',')

Answer 2

这很好用，并保留了您的 header 信息：

df = numpy.genfromtxt('minimal.csv',
                      names=True,
                      dtype=None,
                      delimiter=',')

这使得 genfromtxt 猜测 dtype，这通常是您想要的。分隔符是一个逗号，所以我们也应该传递那个参数，最后，names=True 保留了 header 信息。

像使用任何框架一样访问您的数据：

>>>>print(df['x'])
[1 2 3 4 5]

编辑： 根据您在下面的评论，您可以明确提供数据类型，如下所示：

df = numpy.genfromtxt('file1.csv',
                      names=True,
                      dtype=[('x', int), ('y', 'S5')], # assuming each string is of len =< 5
                      delimiter=',')

Answer 3

我处于相同的位置，我不确定为什么我提供的类型会引发错误。也就是说，这对您来说可能是一个可行的解决方案。这是一个使用我的数据集的示例，它看起来与您的相似。

首先，加载一些数据并检查 NumPy 使用的实际数据类型：

>>> movies = np.genfromtxt('movies.csv', delimiter='|', dtype=None)
>>> movies
array([(1, 'Toy Story (1995)'), (2, 'GoldenEye (1995)'),
       (3, 'Four Rooms (1995)'), ..., (1680, 'Sliding Doors (1998)'),
       (1681, 'You So Crazy (1994)'),
       (1682, 'Scream of Stone (Schrei aus Stein) (1991)')],
      dtype=[('f0', '<i8'), ('f1', 'S81')])

然后使用检测到的类型加载所有数据：

>>> movies = np.genfromtxt('movies.csv', delimiter='|', 
                           dtype=[('f0', '<i8'), ('f1', 'S81')])

诚然，这不如了解 NumPy 抛出错误的原因那么令人满意，但它适用于您的特定用例。

NumPy：新旧数据描述符的大小不匹配

NumPy: mismatch in size of old and new data-descriptor

python

csv

numpy

genfromtxt