python csv文件读取成一个数组并转化为字典_从.csv文件读取值并将其转换为浮点数组...

孩子，我给你请客了吗。numpy.genfromtxt有一个converters参数，它允许您在解析文件时为每一列指定一个函数。函数将输入CSV字符串值。它的返回值将成为numpy数组中的相应值。在

此外，dtype = None参数告诉genfromtxt对每个列的类型进行智能猜测。特别是，数字列会自动转换为适当的数据类型。在

例如，假设您的数据文件包含2011-06-19 17:29:00.000,72,44,56

那么

^{pr2}$

收益率(datetime.datetime(2011, 6, 19, 17, 29), 72, 44, 56)

[('Date', '|O4'), ('Stock', '

您真正的csv文件有更多的列，所以您希望向names添加更多的项，但否则，示例应该仍然有效。在

如果您不关心额外的列，可以指定一个fluff名称，如下所示：arr = np.genfromtxt(filename, delimiter=',',

converters={'Date': make_date},

names=('Date', 'Stock', 'Action', 'Amount') +

tuple('col{i}'.format(i=i) for i in range(22)),

dtype = None)

收益率(datetime.datetime(2011, 6, 19, 17, 29), 72, 44, 56, 0.4772, 0.3286, 0.8497, 31.3587, 0.3235, 0.9147, 28.5751, 0.3872, 0.2803, 0, 0.2601, 0.2073, 0.1172, 0, 0.0, 0, 5.8922, 1, 0, 0, 0, 1.2759)

您还可能有兴趣查看建立在numpy之上的pandas模块，它将解析CSV带到了更高的豪华级别：它有一个pandas.read_csv函数，parse_dates = True参数将自动解析日期字符串(使用dateutil)。在

使用pandas，可以使用df = pd.read_csv(filename, parse_dates = [0,1], header = None,

names=('Date', 'Stock', 'Action', 'Amount') +

tuple('col{i}'.format(i=i) for i in range(22)))

注意，不需要指定make_date函数. Just to be clearpands.read_csv版returns a数据帧，不是numpy数组。实际上，DataFrame可能对您的目的更有用，但是您应该知道它是一个不同的对象，它有一个全新的方法来利用和探索。在