Numpy中导入文本文件作为矩阵

在本文中，我们将介绍如何使用Numpy导入文本文件作为矩阵。

阅读更多：Numpy 教程

为什么要导入文本文件作为矩阵？

在数据分析中，我们常常使用矩阵来表示数据。而文本文件中存储的数据往往需要被解析和格式化，才能被转化为矩阵。因此，我们需要导入文本文件作为矩阵，以便于进行后续的数据处理和分析。

例如，假设我们有一个存储了100个样本的文本文件，每行包含4个特征。我们可以将该文本文件导入为一个100×4的矩阵，以便于后续对数据进行分析。

如何导入文本文件作为矩阵？

Numpy提供了多种函数来导入文本文件作为矩阵。以下是常用的两种函数：

np.loadtxt()

np.loadtxt()函数是Numpy中最常用的导入文本文件的函数之一。它可以从txt、csv等文件中读取数据，并将其存储为Numpy数组。以下是np.loadtxt()函数的使用方法：

import numpy as np
data = np.loadtxt('filename.txt')

其中，’filename.txt’是待导入的文本文件路径。如果文件中的数据格式不规范，我们可以通过指定delimiter参数来指定分隔符，如下所示：

data = np.loadtxt('filename.txt', delimiter=',')

上述代码会将’,’作为分隔符来读取文本文件。

np.genfromtxt()

np.genfromtxt()函数与np.loadtxt()函数类似，也可以从txt、csv等文件中读取数据，并将其存储为Numpy数组。与np.loadtxt()函数不同的是，np.genfromtxt()函数可以处理缺失值并设置默认值，以及灵活指定数据类型。以下是np.genfromtxt()函数的使用方法：

import numpy as np
data = np.genfromtxt('filename.txt', delimiter=',', missing_values='', filling_values=0, dtype=np.float64)

上述代码会将’,’作为分隔符来读取文本文件，缺失的数据点会被替换为0，并将所有的数据类型设置为np.float64。

示例代码

以下是一个使用np.loadtxt()函数导入文本文件的示例代码：

import numpy as np

# 将样本存储为文本文件
samples = np.random.rand(100, 4)
np.savetxt('samples.txt', samples, delimiter=',')

# 导入文本文件
data = np.loadtxt('samples.txt', delimiter=',')

# 查看数据维度
print(data.shape) # (100, 4)

上述代码会创建一个100×4的随机矩阵，并将其存储为’samples.txt’文本文件。然后，我们使用np.loadtxt()函数将该文本文件导入为一个100×4的矩阵，并输出数据维度。