np.loadtxt 对比 np.genfromtxt

Question

当我使用下面的np.loadtxt代码加载格式的数据时：

2017-07-26,153.3500,153.9300,153.0600,153.5000,153.5000,12778195.00

数据加载正常，loadtxt 代码->

a, b, c, d, e, f, g = np.loadtxt("goog.csv",
                                  dtype={'names': ("b'Date", 'Open', 'High', 'Low', 'Close', 'Adjusted_close', 'Volume'),
                                        'formats': ('U10', np.float, np.float, np.float, np.float, np.float, np.float)},                               
                                  delimiter=',',
                                  skiprows=1,
                                  unpack=True)
print(a)

输出->

['2017-07-26' '2017-07-25' '2017-07-24' ..., '2000-01-05' '2000-01-04'
'2000-01-03']

Process finished with exit code 0

但是在使用相应的 np.genfromtxt 代码时给出了 ValueError：要解压的值太多，我使用了以下 genfromtxt 代码->

a, b, c, d, e, f, g = np.genfromtxt('goog.csv',  
                                    dtype={'names': ("b'Date", 'Open', 'High', 'Low', 'Close', 'Adjusted_close', 'Volume'),
                                           'formats': ('U10', np.float, np.float, np.float, np.float, np.float, np.float)},
                                    delimiter=',',
                                    skip_header=1,
                                    unpack=True)
print(a)

输出->

Traceback (most recent call last):
File "C:/Users/sonika jha/PycharmProjects/csvCheck/csvCheck.py", line 84, in <module>
download_stock_data()
File "C:/Users/sonika jha/PycharmProjects/csvCheck/csvCheck.py", line 66, in download_stock_data
unpack=True)
ValueError: too many values to unpack (expected 7)

Process finished with exit code 1

我的最终目标是使用 genfromtxt 以字符串数据类型加载日期，其余数据以浮点数据类型加载。

Answer 1

loadtxt 和 genfromtxt 以不同方式处理结构化数据的解包

loadtxt 文档：

unpack : bool, optional

If True, the returned array is transposed, so that arguments may be unpacked using x, y, z = loadtxt(...). When used with a structured data-type, arrays are returned for each field. Default is False.

genfromtxt 文档：

unpack : bool, optional

If True, the returned array is transposed, so that arguments may be unpacked using x, y, z = loadtxt(...)

最后引述中的 loadtxt 是一个错字。

如果我复制你的样本行 3 次，并且运行 genfromtxt（unpack=False）：

我得到一个定义为 dtype:

的 (3,) 数组

In [327]: data
Out[327]: 
array([('2017-07-26', 153.35, 153.93, 153.06, 153.5, 153.5, 12778195.),
       ('2017-07-26', 153.35, 153.93, 153.06, 153.5, 153.5, 12778195.),
       ('2017-07-26', 153.35, 153.93, 153.06, 153.5, 153.5, 12778195.)],
      dtype=[('bDate', '<U10'), ('Open', '<f8'), ('High', '<f8'), ('Low', '<f8'), ('Close', '<f8'), ('Adjusted_close', '<f8'), ('Volume', '<f8')])

loadtxt 产生同样的东西

但是 loadtxt 和 unpack 最终会做

a = data['bDate`]
b = data['Open']
etc.

即为每个变量分配一个字段。

但是genfromtxt确实如此

a = data[0]
b = data[1]
etc

也就是说，一维数组的一行或一个元素到每个变量。元素比你的 7 个变量多得多，它抱怨要解压的值太多。

所以要么坚持使用 loadtxt，要么不要将 unpack 与 genfromtxt 一起使用。

我认为不带 unpack 加载结构化数组可以让您在进行进一步处理时有更多选择。

np.loadtxt 对比 np.genfromtxt

np.loadtxt vs np.genfromtxt

numpy

python-3.x

genfromtxt