Python练手，numpy.genfromtxt

Posted 2020-10-21

# -*- coding: utf-8 -*-

'''
about numpy.genfromtxt, means generate from txt file


https://docs.scipy.org/doc/numpy/reference/generated/numpy.genfromtxt.html

numpy.genfromtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None, skip_header=0, skip_footer=0,
                        converters=None, missing_values=None, filling_values=None, usecols=None, names=None,
                        excludelist=None, deletechars=None, replace_space='_', autostrip=False, case_sensitive=True, 
                        defaultfmt='f%i', unpack=None, usemask=False, loose=True, invalid_raise=True, max_rows=None, 
                        encoding='bytes')

See also
    numpy.loadtxt equivalent function when no data is missing.

'''
from cryptography.hazmat.primitives.serialization import Encoding








# ndarray_fromtxt_lt = numpy.loadtxt('data.txt',delimiter=',',dtype=numpy.str)
# # ndarray_fromtxt_lt = numpy.loadtxt(open('data.txt','r',encoding='utf-8'),delimiter=',',dtype=numpy.str)
# # ndarray_fromtxt_lt = numpy.loadtxt(fname, dtype, comments, delimiter, converters, skiprows, usecols, unpack, ndmin)
# print(type(ndarray_fromtxt_lt))
# print(ndarray_fromtxt_lt)

# ndarray_data = numpy.genfromtxt(fname='data.txt', dtype=str,delimiter, skip_header, skip_footer, converters, missing_values, filling_values, usecols, names, excludelist, deletechars, replace_space, autostrip, case_sensitive, defaultfmt, unpack, usemask, loose, invalid_raise, max_rows)
# file = open('data.txt',encoding='utf-8')

'''
    -使用场景：数据转换 （编码转换、值转换）
    -关键参数：converters
        The set of functions that convert the data of a column to a value. 
        The converters can also be used to provide a default value for missing data: converters = {3: lambda s: float(s or 0)}.
        -它是函数的集合，可以编写函数（或者使用lambda）对某列的值进行转换，常用的场景有：编码转换、值转换等
        -特别注意！！！ 
        -    1、转换函数的输入，默认都是bytes类型，跟encoding参数有关，跟dtype参数无关。
        -        dtype影响数据的最终呈现形式
        -        encoding影响数据处理过程
        -            关于encoding参数的官方说明：
        -                Override this value to receive unicode arrays and pass strings as input to converters. 
        -                If set to None the system default is used. The default value is ‘bytes’.
        -    2、转换函数的返回的类型，必须跟设置的dtype保持一致，否则会造成不可预料的数据丢失。
        -       例如，genfromtxt设置dtype=str，即所有列的类型都是str，那么，转换函数的返回类型也必须是str
        -    3、如果数据中含有中文，可能会跟Windows系统默认的ascii字符集冲突，需要转码为utf-8
'''

import os

os.remove('data.txt')
fo = open('data.txt','a',encoding='utf-8')
fo.write("001,张三,man,24\n")
fo.write("002,李四,man,24\n")
fo.close()

import numpy

def convUTF8(x):
    return x.decode('utf-8')

def convAdd(x):
    return str(x,encoding='utf-8') + '+'

'''正确示范：单列处理'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=str,
                            converters={1: convUTF8})
print(ndarry_1)
# [['001' '张三' 'man' '24']
#  ['002' '李四' 'man' '24']]

'''正确示范：多列处理'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=str,
                            converters={1: convUTF8, 
                                        2: lambda x: x.decode('utf-8') })
print(ndarry_1)
# [['001' '张三' 'man' '24']
#  ['002' '李四' 'man' '24']]

'''错误示范：因为转换函数的返回类型没有跟输入类型保持一致，会造成数据丢失'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=str,
                            converters={1: lambda x: 1})
print(ndarry_1)
# [('', 1, '', '') ('', 1, '', '')]

'''错误示范：对于一个列，只能一个转换函数，且只能处理一次，设置多次，是无效的'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=str, 
                            converters={1: convUTF8, 
                                        0: convAdd,
                                        0: convAdd})
print(ndarry_1)
# [['001+' '张三' 'man' '24']
#  ['002+' '李四' 'man' '24']]

'''
    -使用场景：设置列的格式
    -关键参数：dtype
    -    Data type of the resulting array. 
    -    If None, the dtypes will be determined by the contents of each column, individually.
    -    作为ndarray中的元素，dtype可以设置数据类型
'''

os.remove('data.txt')
fo = open('data.txt','a',encoding='utf-8')
fo.write("001,zhangsan,man,24\n")
fo.write("002,lisi,man,24\n") 
fo.close()

'''错误示范：dtype=None，自动格式，但是差强人意。对于非数字的列，默认是bytes'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=None)
print(ndarry_1)
# [(1, b'zhangsan', b'man', 24) (2, b'lisi', b'man', 24)]

'''正确示范：全部列设置统一的数据类型。对于不含有中文的数据，dtype=str是可以的，如果含有中文，除了设置dtype=str以外，还要用converters做转码'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=str)
print(ndarry_1)
# [['001' 'zhangsan' 'man' '24']
#  ['002' 'lisi' 'man' '24']]
'''正确示范：逐列设置数据类型。需要另外了解dtype的种类。'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=[('c0','<i8'),('c1','<U32'),('c2','|S3'),('c3','f4')])
print(ndarry_1)
# [(1, 'zhangsan', b'man', 24.0) (2, 'lisi', b'man', 24.0)]


'''
    -使用场景：数据切片
    -关键参数：dtype
    -    Data type of the resulting array. 
    -    If None, the dtypes will be determined by the contents of each column, individually.
    -    作为ndarray中的元素，dtype可以设置数据类型
'''


'''
    -使用场景：缺省值的处理
    -关键参数：dtype
    -    Data type of the resulting array. 
    -    If None, the dtypes will be determined by the contents of each column, individually.
    -    作为ndarray中的元素，dtype可以设置数据类型
'''

'''
    -使用场景：数据切片
    -关键参数：skip_header
    -    起始行
    -关键参数：max_rows
    -    最大行数
    -关键参数：usecols
    -    保留列
    -关键参数：comments （执行顺序是最后的，先做行列切片，再做删除注释行）
    -    注释符号。
    -        如果是行首注释，正行都会被舍弃；
    -        如果是行中其他位置的注释，会报错，以为改行被保留下来了，但是注释符号后面的字段丢失了。
'''

os.remove('data.txt')
fo = open('data.txt','a',encoding='utf-8')
fo.write("001,zhangsan,man,24\n")
fo.write("002,lisi,man,24\n")
fo.write("#003,wangwu,man,24\n")
fo.write("004,chenhua,wom,18\n")
fo.close()

'''正确示范：注意执行顺，先做行列切片，再做删除注释行'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=str,
                            skip_header=1,max_rows=3,
                            usecols=[0,2],
                            comments='#',
                            )
print(ndarry_1)
# [['002' 'man']
#  ['004' 'wom']]


'''
    -使用场景：填补缺失值（当dtype=None时，填补缺失值这个功能较好用，当dtype=str时，这个功能不生效，要再摸索）
    -关键参数：missing_values
    -    标记为缺失
    -关键参数：filling_values
    -    对缺失的位置进行填补
'''
os.remove('data.txt')
fo = open('data.txt','a',encoding='utf-8')
fo.write("10,11,,13\n")
fo.write("10,21,22,23\n")
fo.write("10,31,32,33\n")
fo.close()
'''正确示范：某列的缺失进行具体设置（其他列是默认缺失），全部列统一默认填补'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=None,
                            missing_values={0:10},
                            filling_values=999
                            )
print(ndarry_1)
# [[999  11 999  13]
#  [999  21  22  23]
#  [999  31  32  33]]
'''正确示范：某列的缺失，某列的填补'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=None,
                            missing_values={0:10},
                            filling_values={0:777,2:999}
                            )
print(ndarry_1)
# [[777  11 999  13]
#  [777  21  22  23]
#  [777  31  32  33]]
'''正确示范：所有列的缺失进行统一设置（但是默认缺失还是生效了）'''
ndarry_1 = numpy.genfromtxt(fname='data.txt',delimiter=',',dtype=None,
                            missing_values=10,
                            filling_values={0:777,2:999}
                            )
print(ndarry_1)
# [[777  11 999  13]
#  [777  21  22  23]
#  [777  31  32  33]]