NumPy genfromtxt：正确使用filling_missing

Posted 2023-02-23

【中文标题】NumPy genfromtxt：正确使用filling_missing

【英文标题】：NumPy genfromtxt: using filling_missing correctly

【发布时间】：2013-02-15 03:56:43

【问题描述】：

我正在尝试处理保存到 CSV 的数据，这些数据可能在未知数量的列（最多约 30 个）中有缺失值。我正在尝试使用genfromtxt 的filling_missing 参数将这些缺失值设置为“0”。这是在 Win 7 上的 ActiveState ActivePython 2.7 32 位中运行的 numpy 1.6.2 的最小工作示例。

import numpy

text = "a,b,c,d\n1,2,3,4\n5,,7,8"
a = numpy.genfromtxt('test.txt',delimiter=',',names=True)
b = open('test.txt','w')
b.write(text)
b.close()
a = numpy.genfromtxt('test.txt',delimiter=',',names=True)
print "plain",a

a = numpy.genfromtxt('test.txt',delimiter=',',names=True,filling_values=0)
print "filling_values=0",a

a = numpy.genfromtxt('test.txt',delimiter=',',names=True,filling_values=1:0)
print "filling_values=1:0",a

a = numpy.genfromtxt('test.txt',delimiter=',',names=True,filling_values=0:0)
print "filling_values=0:0",a

a = numpy.genfromtxt('test.txt',delimiter=',',names=True,filling_values=None:0)
print "filling_values=None:0",a

结果：

plain [(1.0, 2.0, 3.0, 4.0) (5.0, nan, 7.0, 8.0)]
filling_values=0 [(1.0, 2.0, 3.0, 4.0) (5.0, nan, 7.0, 8.0)]
filling_values=1:0 [(1.0, 2.0, 3.0, 4.0) (5.0, 0.0, 7.0, 8.0)]
filling_values=0:0 [(1.0, 2.0, 3.0, 4.0) (5.0, nan, 7.0, 8.0)]

Traceback (most recent call last):
  File "C:\Users\tolivo.EE\Documents\active\eng\python\sizer\testGenfromtxt.py", line 20, in <module>
    a = numpy.genfromtxt('test.txt',delimiter=',',names=True,filling_values=None:0)
  File "C:\Users\tolivo.EE\AppData\Roaming\Python\Python27\site-packages\numpy\lib\npyio.py", line 1451, in genfromtxt
    filling_values[key] = val
TypeError: list indices must be integers, not NoneType

从 NumPy 用户指南中，我希望 filling_values=0 和 filling_values=None:0 可以工作，但它们不会，并且分别抛出错误。当您指定正确的列 (filling_values=1:0) 时，它将起作用，但由于在用户选择之前我有大量未知数的列，我正在寻找自动设置填充值的方法，如用户指南提示在。

我想我可能可以提前计算列并创建一个 dict 作为值同时传递给filling_values，但是有更好的方法吗？

【问题讨论】：

存在一个错误报告：projects.scipy.org/numpy/ticket/1722

谢谢，我在 github 错误跟踪器上添加了对该问题的评论。 github.com/numpy/numpy/issues/2317

该bug现已在numpy开发版中修复：github.com/numpy/numpy/pull/4968

【参考方案1】：

这在文档中并不明显，但 filling_values="0" 有效。

In [19]: !cat test.txt
a,b,c,d
1,2,3,4
5,,7,8
9,10,,12

In [20]: a = numpy.genfromtxt('test.txt', delimiter=',', names=True, filling_values="0")

In [21]: print a
[(1.0, 2.0, 3.0, 4.0) (5.0, 0.0, 7.0, 8.0) (9.0, 10.0, 0.0, 12.0)]

【讨论】：

这对我有用！我看到了另一个关于 missing_values 参数的 SO 问题，据说引号在那里没有帮助，所以我没有费心在这里尝试。