我有一个近28,000行x785列的CSV文件。我需要 1).将列分离出来。header
,2)将每行的第一列放入一个 labels
将每行剩余的784列变成一个28x28的矩阵,并将它们追加到我的 images
数组的值转换为浮点数后。
有没有更快的方法来迭代我的CSV?
images = np.array([])
labels = np.array([])
with open(filename) as training_file:
reader = csv.reader(training_file, delimiter=',')
header = np.array(next(reader))
for row in reader:
label = row[0] # get each row's label
pixels = row[1:785] # get pixel values of each row
pixels = np.array(pixels).astype(float) # transform pixel values to floats
pixels = pixels.reshape(28,28) # turn into 28x28 matrix
labels = np.append(labels, np.array(label)) # append to labels array
images = np.append(images, np.array(pixels)) # append to images array
你会使用 pandas
来读取你的csv文件。
import pandas as pd
csv_file = pd.read_csv('file.csv')
列的访问方式是 csv_file.name
.
根据数据大小,你可以通过分块读取文件。
import pandas as pd
csv_file = pd.read_csv('file.csv', chunksize=1)
总之,读到的是 大熊猫文件 我认为这是最好的办法
我认为创建数组的成本很高。对数组进行追加,会在后台重新创建数组,费用也很高。你可以一次分配所有的内存,比如。
x = np.empty((28000,784))
然后把每一行保存到数组的每一行中去 更新数组的速度极快,而且高度优化。当你完成后,你可以改变形状,x.shape = (28000,28,28)。请注意,在numpy中,数组形状和内存分配是断开的,因此重塑数组不需要任何代价(它只是更新了访问值的方式,并没有移动值)。这意味着没有理由在追加到数组之前重塑每一行。
迭代几乎需要 没时间. 问题是你使用了一种非常低效的方法来创建数组。
千万不要在循环中使用 numpy.ndarray
对象:
labels = np.append(labels, np.array(label)) # append to labels array
images = np.append(images, np.array(pixels)) # append to images array
相反,应使 labels
和 images
列表。
labels = []
images = []
然后在你的循环中, 追加到列表对象上(高效的操作):
labels.append(np.array(label)) # append to labels list
images.append(np.array(pixels)) # append to images list
最后,在你的循环完成后,将数组列表转换为数组。
labels = np.array(labels)
images = np.array(images)
注意,我不确定你期望的最终数组是什么形状的,你可能需要... ... reshape
的结果。您的方法会将最终的数组扁平化,每个数组的 .append
因为你没有指定一个轴......如果这真的是你想要的,那么... ... labels.ravel()
终究会得到
正如一些人所建议的那样。
with open(filename) as training_file:
reader = csv.reader(training_file, delimiter=',')
header = np.array(next(reader)) # column headers
row_count = len(list(reader))
images = np.empty((row_count, 784)) # empty array
labels = np.empty((row_count,)) # empty array
for row in reader:
labels.append(row[0]) # get each row's label
images.append(row[1:785]) # get pixel values of each row
labels = labels.astype(float)
images = images.reshape(-1, 28,28).astype(float)