您当前的位置: 首页 >  编程语言

Python加载文件内容的两种实现方式

目录

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:

Python加载文件内容的两种实现方式

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 np
 
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)
 
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。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。

原文地址:https://blog.csdn.net/gdkyxy2013/article/details/81979214