将CSV读入数组

在Julia中，使用，可以从

.csv

文件中读取数据帧：

using CSV

df = CSV.read("data.csv", delim=",")

---

但是，如何将CSV文件读入

向量{Float64}

数据类型？

您可以使用stdlib中的

分隔文件

模块：

julia> using DelimitedFiles

julia> s = """
       1,2,3
       4,5,6
       7,8,9"""
"1,2,3\n4,5,6\n7,8,9"

julia> b = IOBuffer(s)
IOBuffer(data=UInt8[...], readable=true, writable=false, seekable=true, append=false, size=17, maxsize=Inf, ptr=1, mark=-1)

julia> readdlm(b, ',', Float64)
3×3 Array{Float64,2}:
 1.0  2.0  3.0
 4.0  5.0  6.0
 7.0  8.0  9.0

我向您展示了从

IOBuffer

读取数据的示例，它是完全可复制的，但您也可以从文件中读取数据。在

readdlm

的文档字符串中，您可以找到有关可用选项的更多详细信息

注意，您将得到

矩阵{Float64}

而不是

向量{Float64}

，但我知道这是您想要的。如果没有，则为了将矩阵转换为向量，您可以在读取中的数据后对其调用

vec

函数

编辑 这就是如何使用CSV.jl读回矩阵的方法：

julia> df = DataFrame(rand(2,3))
2×3 DataFrame
│ Row │ x1        │ x2       │ x3       │
│     │ Float64   │ Float64  │ Float64  │
├─────┼───────────┼──────────┼──────────┤
│ 1   │ 0.0444818 │ 0.570981 │ 0.608709 │
│ 2   │ 0.47577   │ 0.675344 │ 0.500577 │

julia> CSV.write("test.csv", df)
"test.csv"

julia> CSV.File("test.csv") |> Tables.matrix
2×3 Array{Float64,2}:
 0.0444818  0.570981  0.608709
 0.47577    0.675344  0.500577

---

您可以将

数据帧

转换为特定类型的

矩阵

。如果没有丢失的数据，这应该是有效的。如果缺少数据，只需省略

convert

中的类型即可

arr=convert（矩阵{Float64}，df）

如果确实需要向量，可以对结果调用

vec

---

根据文件的不同，我将使用前面答案中建议的

readdlm

。

要总结Bogumil的答案，您可以使用：

using DelimitedFiles
data = readdlm("data.csv", ',', Float64)

---

这种方法也很好，请注意，您甚至可以简单地编写

矩阵{Float64}（df）

。不幸的是，CSV无法直接创建一个数组作为其输出，而无需先通过数据帧。我认为CSV是Julia最快的CSV阅读器，但不一定是生成数组的最快方式。生成数组是一种常见的场景。我在回答中添加了一个编辑，向您展示了如何在不使用中间数据帧的情况下获得

矩阵

。您只需获取CSV.File（CSV行对象）的输出，并将其用作矩阵（）构造函数的输入。这正是管道版本所做的。对CSV Rows对象的性能感到好奇，它是一个命名元组数组。我发现命名元组不是速度恶魔。看起来我们应该把CSV解析的速度提升移植到readdlm中。然后我们有两种非常好的快速方法：一种倾向于支持阵列，另一种倾向于支持DFs。两者都是可取的。也许有一个更简单的例子：``使用DelimitedFiles mat=readdlm（“data.csv”、`、`）```对，我希望最初的例子是可复制的，而无需将任何内容写入磁盘。