使用numpy从CSV加载一定数量的行

Question

我有一个很长的文件，我只需要部分，切片，它。有新数据传入，所以文件可能会变长。

要从CSV加载数据，我使用numpy.genfromtxt

    np.genfromtxt(filename, usecols={col}, delimiter=",", skip_header=skip_head)

这在开始时切断了文件的某些部分，这已经大大加快了加载数据的过程。但是我最后不能用skip_footer来切掉我想用的切片后的部分。

我想要的是只加载一定数量的行。例如，假设我跳过前100行，然后加载接下来的50行，然后跳过其余的。

编辑:我正在使用Python 3.4
编辑:示例文件:http://www.file-upload.net/download-10819938/sample.txt.html

Answer 1

您可以使用itertools获取切片，使用itemgetter获取列:

import  numpy as np
from operator import itemgetter
import csv
with open(filename) as f:
   from itertools import islice,imap
   r = csv.reader(f)
   np.genfromtxt(imap(itemgetter(1),islice(r,  start, end+1)))

对于python3，您可以使用fromiter与上面的代码，您需要指定dtype:

import numpy as np
from operator import itemgetter
import csv
with open("sample.txt") as f:
   from itertools import islice
   r = csv.reader(f)
   print(np.fromiter(map(itemgetter(0), islice(r,  start, end+1)), dtype=float))

与另一个答案一样，您也可以将islice对象直接传递给genfromtext，但对于python3，您需要以二进制模式打开文件:

with open("sample.txt", "rb") as f:
    from itertools import islice
    print(np.genfromtxt(islice(f, start, end+1), delimiter=",", usecols=cols))

有趣的是，对于多个列使用itertools。如果所有的dtype都是相同的，那么Chain和重塑的效率将是原来的两倍。

from itertools import islice,chain
with open("sample.txt") as f:
   r = csv.reader(f)
   arr =np.fromiter(chain.from_iterable(map(itemgetter(0, 4, 10), 
                                            islice(r,  4, 10))), dtype=float).reshape(6, -1) 

关于你的示例文件:

In [27]: %%timeit
with open("sample.txt", "rb") as f:
    (np.genfromtxt(islice(f, 4, 10), delimiter=",", usecols=(0, 4, 10),dtype=float))
   ....: 
10000 loops, best of 3: 179 µs per loop
In [28]: %%timeit
with open("sample.txt") as f:
   r = csv.reader(f)                                                               (np.fromiter(chain.from_iterable(map(itemgetter(0, 4, 10), islice(r,  4, 10))), dtype=float).reshape(6, -1))
10000 loops, best of 3: 86 µs per loop

Answer 2

按照这个例子，您应该能够使用itertools.islice，而不需要imap, map或csv.reader:

import numpy as np
import itertools
with open('sample.txt') as f:
    # this will skip 100 lines, then read the next 50
    d=np.genfromtxt(itertools.islice(f,100,150),delimiter=',',usecols={cols})

Answer 3

从Numpy 1.10开始，np.genfromtxt有一个可选参数max_rows，它限制了读取的行数。

结合其他可选参数skip_header，您可以选择文件的一个切片(例如第100到150行):

import numpy as np
np.loadtxt('file.txt', skip_header=100, max_rows=50)