共计 3089 个字符,预计需要花费 8 分钟才能阅读完成。
导读 | 这篇文章主要介绍了 Python 加载文件内容的两种实现方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教 |
说到机器学习,大家首先想到的可能就是 Python 和算法了,其实光有 Python 和算法是不够的,数据才是进行机器学习的前提。
大多数的数据都会存储在文件中,要想通过 Python 调用算法对数据进行相关学习,首先就要将数据读入程序中,本文介绍两种加载数据的方式,在之后的算法介绍中,将频繁使用这两种方式将数据加载到程序。
下面我们将以 Logistic Regression 模型加载数据为例,分别对两种不同的加载数据的方式进行介绍。
一、利用 open() 函数进行加载
def load_file(file_name):
'''
利用 open() 函数加载文件
:param file_name: 文件名
:return: 特征矩阵、标签矩阵
'''
f = open(file_name) # 打开训练数据集所在的文档
feature = [] # 存放特征的列表
label = [] #存放标签的列表
for row in f.readlines():
f_tmp = [] # 存放特征的中间列表
l_tmp = [] # 存放标签的中间列表
number = row.strip().split("\t") # 按照 \t 分割每行的元素,得到每行特征和标签
f_tmp.append(1) # 设置偏置项
for i in range(len(number) - 1):
f_tmp.append(float(number[i]))
l_tmp.append(float(number[-1]))
feature.append(f_tmp)
label.append(l_tmp)
f.close() # 关闭文件,很重要的操作
return np.mat(feature), np.mat(label)
二、利用 Pandas 库中的 read_csv() 方法进行加载
def load_file_pd(path, file_name):
'''
利用 pandas 库加载文件
:param path: 文件路径
:param file_name: 文件名称
:return: 特征矩阵、标签矩阵
'''feature = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[0, 1])
feature.columns = ["a", "b"]
feature = feature.reindex(columns=list('cab'), fill_value=1)
label = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[2])
return feature.values, label.values
三、示例
我们可以使用上述的两种方法加载部分数据进行测试,数据内容如下:
数据分为三列,前两列是特征,最后一列是标签。
加载数据代码如下:
'''两种方式加载文件''' import pandas as pd import numpy as npdef load_file(file_name): ''' 利用 open() 函数加载文件 :param file_name: 文件名 :return: 特征矩阵、标签矩阵 ''' f = open(file_name) # 打开训练数据集所在的文档 feature = [] # 存放特征的列表 label = [] #存放标签的列表 for row in f.readlines(): f_tmp = [] # 存放特征的中间列表 l_tmp = [] # 存放标签的中间列表 number = row.strip().split("\t") # 按照 \t 分割每行的元素,得到每行特征和标签 f_tmp.append(1) # 设置偏置项 for i in range(len(number) - 1): f_tmp.append(float(number[i])) l_tmp.append(float(number[-1])) feature.append(f_tmp) label.append(l_tmp) f.close() # 关闭文件,很重要的操作 return np.mat(feature), np.mat(label)
def load_file_pd(path, file_name): ''' 利用 pandas 库加载文件 :param path: 文件路径 :param file_name: 文件名称 :return: 特征矩阵、标签矩阵 '''feature = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[0, 1]) feature.columns = ["a", "b"] feature = feature.reindex(columns=list('cab'), fill_value=1) label = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[2]) return feature.values, label.values
if __name__ == "__main__": path = "C://Users//Machenike//Desktop//xzw//" feature, label = load_file(path + "test.txt") feature_pd, label_pd = load_file_pd(path, "test.txt") print(feature) print(feature_pd) print(label) print(label_pd) 测试结果:[[1. 1.43481273 4.54377111] [1. 5.80444603 7.72222239] [1. 2.89737803 4.84582798] [1. 3.48896827 9.42538199] [1. 7.98990181 9.38748992] [1. 6.07911968 7.81580716] [1. 8.54988938 9.83106546] [1. 1.86253147 3.64519173] [1. 5.09264649 7.16456405] [1. 0.64048734 2.96504627] [1. 0.44568267 7.27017831]] [[1. 1.43481273 4.54377111] [1. 5.80444603 7.72222239] [1. 2.89737803 4.84582798] [1. 3.48896827 9.42538199] [1. 7.98990181 9.38748992] [1. 6.07911968 7.81580716] [1. 8.54988938 9.83106546] [1. 1.86253147 3.64519173] [1. 5.09264649 7.16456405] [1. 0.64048734 2.96504627] [1. 0.44568267 7.27017831]] [[0.] [0.] [0.] [0.] [0.] [0.] [0.] [0.] [0.] [0.] [0.]] [[0] [0] [0] [0] [0] [0] [0] [0] [0] [0] [0]]
从测试结果来看可知两种加载数据的方法得到的数据结果是一样的,故两种方法均适用于加载数据。
注意:
此处是以 Logistic Regression 模型加载数据为例,数据与数据本身或许会有差异,但加载数据的方式都是大同小异的,要灵活变通。
正文完
星哥说事-微信公众号
![post-qrcode](https://www.xgss.net/wp-content/uploads/2023/07/二维码-微信公众号256x256.jpg)