Python:仅将 csv 文件中的一些属性提取到 numpy 数组

Question

我正在尝试开发一个从 csv 文件读取输入的神经网络。我用这个作为教程: https://machinelearningmastery.com/multi-class-classification-tutorial-keras-deep-learning-library/

我了解输入是如何存储在 X 中的

X = dataset[:,0:4].astype(float)

问题是我要使用的数据集的每个条目有超过 100 个属性(与这里不同，只有 4 个)。我已经弄清楚我想使用其中哪一个作为输入，但我找不到创建与示例中格式相同的 X 的方法。我尝试了 numpy.vstack 但没有得到预期的结果。

谁能给我一个示例，说明如何创建仅包含指定属性的 X？

Answer 1

常见的过程是使用 pandas，它允许通过 pandas.DataFrame.infer_objects 进行 dtype 软转换。接下来是 pandas.DataFrame.values返回 DataFrame 的 Numpy 表示形式。或者，您可以按照上面的建议指定要与 usecols 一起使用的列。

来自 docs :

usecols : list-like or callable, default None

Return a subset of the columns. If list-like, all elements must either be positional (i.e. integer indices into the document columns) or strings that correspond to column names provided either by the user in names or inferred from the document header row(s).

看起来怎么样？

df = pd.read_csv(infile, usecols = ['a', 'b'])         # Read
df_dtypes = df.infer_objects()                         # Soft conversion
x = df.values                                          # Numpy array

print df.info()                                        # Inspect -> Object
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
a    3 non-null object
b    3 non-null object
dtypes: object(2)
memory usage: 120.0+ bytes

print df_types.info()                                  # Inspect -> dtype change
  <class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
a    3 non-null int64
b    3 non-null int64
dtypes: int64(2)
memory usage: 120.0 bytes

print x                                                # Inspect -> numpy array
[[7 3]
 [1 2]
 [5 1]]