将使用 sklearn 创建的合成数据集导出到 csv

Posted 2023-03-12

【中文标题】将使用 sklearn 创建的合成数据集导出到 csv

【英文标题】：Export synthetic dataset created with sklearn to csv

【发布时间】：2017-04-17 04:04:09

【问题描述】：

我需要创建一个合成数据集，因为我必须为我的大学论文修复一个聚类算法，所以我需要它来用一个小数据集测试算法。 我设法用 sklearn make_classification 创建了它，但程序输入一个包含数据集特征的 csv 文件。 有谁知道我如何直接在 csv 中创建合成数据集，或者将使用 sklearn 创建的数据集导出到 csv 文件中？

【问题讨论】：

使用 sklearn.model_selection.train_test_split

我看过文档，但我不明白如何将其用于我的目的

如果您的合成数据集是一个 numpy 数组，您可以使用 numpy.savetxt 将其导出到 csv 文件。

【参考方案1】：

您可以使用 numpy.savetxt 将 numpy 数组导出到 csv 文件。

此示例使用BytesIO 实例作为输出，您可以使用文件名。

In [1]: import io

In [2]: import numpy as np

In [3]: x = np.random.randn(5, 2)

In [4]: x
Out[4]:
array([[-0.13114465, -0.72491874],
       [-0.08375738, -1.23769691],
       [-0.5583027 , -0.24086865],
       [ 0.04590227, -0.6582806 ],
       [-0.21433652, -0.78924272]])

In [5]: buf = io.BytesIO()

In [6]: np.savetxt(buf, x, delimiter=',')

In [7]: print(buf.getvalue().decode())
-1.311446488105691699e-01,-7.249187409818331762e-01
-8.375738326459475358e-02,-1.237696910731503452e+00
-5.583026953882282983e-01,-2.408686450946319058e-01
4.590226685041418758e-02,-6.582805971999975414e-01
-2.143365241670896482e-01,-7.892427231682124233e-01

【讨论】：

谢谢，这行得通，但结果是一个csv文件，每行都有一个数组值，用逗号分隔，有没有办法将用逗号分隔的值放入不同的列中csv 文件？

@Ilariosalatino 不明白你的意思。在我的代码中，我有一个包含两列的数组，因此导出的 csv 有两列。这不是每行中的一个值，而是每行中的两个值。如果这不是您想要的，请在您的问题中添加 minimal reproducible example。