python字符串转float_python – 有效地将字符串列表转换为float32

我有一个3000×300矩阵文件(浮点数).当我读取并转换为float时,我得到了float64,这在

python中是默认的.我尝试使用numpy和map()将其转换为float32(),但它们看起来都非常低效.

我的代码：

x = open(readFrom, 'r').readlines()

y = [[float(i) for i in s.split()] for s in x]

所用时间：0：00：00.996000

numpy实现：

x = open(readFrom, 'r').readlines()

y = [[np.float32(i) for i in s.split()] for s in x]

所用时间：0：00：06.093000

地图()

x = open(readFrom, 'r').readlines()

y = [map(np.float32, s.split()) for s in x]

所用时间：0：00：05.474000

如何非常有效地转换为float32？

谢谢.

更新：

numpy.loadtxt()或numpy.genfromtxt()无效(给出内存错误)的大文件.我发布了一个与此相关的问题,我在这里介绍的方法适用于巨大的矩阵文件(50,000×5000). here is the question

最佳答案 如果内存有问题,并且如果您提前知道字段的大小,则可能不希望首先读取整个文件.这样的事情可能更合适：

#allocate memory (np.empty would work too and be marginally faster,

# but probably not worth mentioning).

a=np.zeros((3000,300),dtype=np.float32)

with open(filename) as f:

for i,line in enumerate(f):

a[i,:]=map(np.float32,line.split())

在我的机器上进行几次快速(和令人惊讶的)测试后,似乎甚至不需要地图：

a=np.zeros((3000,300),dtype=np.float32)

with open(filename) as f:

for i,line in enumerate(f):

a[i,:]=line.split()

这可能不是最快的,但它肯定是最有效的内存方式.

一些测试：

import numpy as np

def func1(): #No map -- And pretty speedy :-).

a=np.zeros((3000,300),dtype=np.float32)

with open('junk.txt') as f:

for i,line in enumerate(f):

a[i,:]=line.split()

def func2():

a=np.zeros((3000,300),dtype=np.float32)

with open('junk.txt') as f:

for i,line in enumerate(f):

a[i,:]=map(np.float32,line.split())

def func3():

a=np.zeros((3000,300),dtype=np.float32)

with open('junk.txt') as f:

for i,line in enumerate(f):

a[i,:]=map(float,line.split())

import timeit

print timeit.timeit('func1()',setup='from __main__ import func1',number=3) #1.36s

print timeit.timeit('func2()',setup='from __main__ import func2',number=3) #11.53s

print timeit.timeit('func3()',setup='from __main__ import func3',number=3) #1.72s