| python将excel、csv文件中的数据读取为矩阵 | 您所在的位置：网站首页 › pycharm处理excel中的数据 › python将excel、csv文件中的数据读取为矩阵 |
python将excel、csv文件中的数据读取为矩阵
|
python 将excel、csv文件中的数据读取为矩阵
利用 pandas 读取Excel 形成数据矩阵注意
利用 xlrd 读取 Excel 形成数据矩阵注意
利用 pandas 读取 CSV 文件注意
给 CSV 文件 添加表头
分享记录一些自己在数据处理过程中的小东西
利用 pandas 读取Excel 形成数据矩阵
import pandas as pd
data = pd.read_excel(path)
data = data.values
其中data.values 代表将DataFrame转换，可参考： https://blog.csdn.net/HaruStone/article/details/88868331?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.channel_param 注意在利用pandas读取时excel中的第一行默认不会读取（相当于列标题），所以如果第一行为数据时，最好在前插入一列，序号什么的 利用 xlrd 读取 Excel 形成数据矩阵 import xlrd def matrix(path): table = xlrd.open_workbook(path).sheets()[0] # 获取第一个sheet表 row = table.nrows # 行数 col = table.ncols # 列数 datamatrix = np.zeros((row, col)) # 生成一个nrows行ncols列，且元素均为0的初始矩阵 for x in range(col): try: cols = np.matrix(table.col_values(x)) # 把list转换为矩阵进行矩阵操作 datamatrix[:, x] = cols # 按列把数据存进矩阵中 except: print(x) # print(datamatrix.shape) return datamatrix path = "dda\\aaa" datamatrix = matrix(path) 注意利用 xlrd 读取时应当注意np.matrix这个函数，我自己在写的时候这一步老是出错，数据会出现字符串，不能转换为浮点型，就很难受 但是这种方式行列不需要 id 就直接文件中全是数据就可以了。 这一段代码是我在网上搜的，改了一小点，具体哪一位的我找不到了，如果有人看到可以提醒我，谢谢 利用 pandas 读取 CSV 文件 def load_csv(path): data_read = pd.read_csv(path) list = data_read.values.tolist() data = np.array(list) print(data.shape) # print(data) return data 注意在利用 pandas 读取 CSV 时CSV文件应该有列的 id，例如： 其中 path 代表文件路径与名称，names 的数量应当与已有的文件列数相同，负责会强制转换为names长度的列数 参考： https://blog.csdn.net/weixin_44346972/article/details/104415553?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.channel_param |
参考： https://blog.csdn.net/weixin_41888503/article/details/79671717?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param【本文地址】