python - NumPy:新旧数据描述符的大小不匹配

Question

我在读取 CSV 文件时遇到了 NumPy 1.10.2 的以下问题。我不知道如何为 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来阅读它:

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，我得到了错误:

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

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。分隔符是逗号，所以我们也应该传递该参数，最后，names=True 保留 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=',')