如何在numpy中关闭一列的科学记数法？

我正在尝试使用scikit学习对一些数据进行分类。数据存储在.csv文件中。我的问题是，实例由唯一的17位整数标识。当我加载数据时，python/numpy/scikit-learn会自动转换为科学记数法，并将数字的尾端四舍五入。如何至少对包含ID号的变量禁用此功能

另外-我看到np.getfromtxt（）有一个“dtype”选项，允许用户指定每列的数据类型。有没有办法只在一列上使用此选项？我有>250列，单独指定其余的列（都是浮点数）是不实际的

以下是我加载数据的代码：

my_data = genfromtxt('data.csv', skip_header=1, delimiter=',')
data_list = my_data.tolist()

---

genfromtxt

使用的默认

dtype

是

np.float64

；也就是说，它尝试将每个字段转换为浮点值。如果给出参数

dtype=None

，它将尝试根据在文件中找到的内容确定每个字段的数据类型。那可能对你有用

这里有一个例子。CSV文件

stuff.CSV

包含：

12345678901234567,1.2,3.4
13579246801234567,5.6,7.8
576460752303423488,0.1,2.3

我将使用

将其转储到ipython中的控制台！cat stuff.csv

：

In [16]: !cat stuff.csv
12345678901234567,1.2,3.4
13579246801234567,5.6,7.8
576460752303423488,0.1,2.3

使用

genfromtxt

读取文件，其中

dtype=None

：

In [17]: data = genfromtxt('stuff.csv', delimiter=',', dtype=None)

In [18]: data
Out[18]: 
array([(12345678901234567, 1.2, 3.4), (13579246801234567, 5.6, 7.8),
       (576460752303423488, 0.1, 2.3)], 
      dtype=[('f0', '<i8'), ('f1', '<f8'), ('f2', '<f8')])

但是，如果本机长整数为32位，则这将不起作用。相反，您可以尝试对大整数使用“转换器”。这将允许您将它们转换为您喜欢的任何类型（例如，np.uint64甚至字符串）

例如，这会将长整数字段转换为字符串：

In [20]: genfromtxt('stuff.csv', dtype=None, delimiter=',', converters={0:lambda s: s})
Out[20]: 
array([('12345678901234567', 1.2, 3.4), ('13579246801234567', 5.6, 7.8),
       ('576460752303423488', 0.1, 2.3)], 
      dtype=[('f0', 'S18'), ('f1', '<f8'), ('f2', '<f8')])

[20]中的genfromtxt（'stuff.csv'，dtype=None，delimiter='，'，converters={0:lambda s:s}） 出[20]： 阵列（[（'12345678901234567'，1.2,3.4），（'13579246801234567'，5.6,7.8）， ('576460752303423488', 0.1, 2.3)],

---

数据类型=[（'f0'，'S18'），（'f1'，我不认为

None

可以处理OP的长整数。17位数字将适合有符号的64位整数。这对我来说是可行的，但我的系统上的本机整数大小是64位。我没有一个系统可以检查本机整数是32位时会发生什么。

溢出错误：Python int太大，无法转换为Clong

。但是你是对的，你应该在64位上有几个数字可供使用。@DSM:Grrr…Windows？添加

转换器={0:lambda s:np.int64（s）}

？使用32位Python的Linux。但是使用转换器技巧手动指定np.int64会有帮助吗！

In [20]: genfromtxt('stuff.csv', dtype=None, delimiter=',', converters={0:lambda s: s})
Out[20]: 
array([('12345678901234567', 1.2, 3.4), ('13579246801234567', 5.6, 7.8),
       ('576460752303423488', 0.1, 2.3)], 
      dtype=[('f0', 'S18'), ('f1', '<f8'), ('f2', '<f8')])

In [21]: genfromtxt('stuff.csv', dtype=None, delimiter=',', converters={0:lambda s: np.uint64(s)})
Out[21]: 
array([(12345678901234567L, 1.2, 3.4), (13579246801234567L, 5.6, 7.8),
       (576460752303423488L, 0.1, 2.3)], 
      dtype=[('f0', '<u8'), ('f1', '<f8'), ('f2', '<f8')])