Python 来自numpy.matrix的奇怪输出

我有一个数据集，它包含32562行和15列，每行中每列的元素都用逗号“，”分隔。我尝试读取它并使用以下代码将所有数据存储到矩阵中：

import numpy as np

f = open("adult.data",'r')
data = []
for line in f.readlines():
    data.append(line.split(","))

print(data[0])
data = np.matrix(data)
print(data)

我认为最终数据应该是一个带有形状（32562,15）的numpy矩阵，但实际形状是（132562），其中有很多列表（[一行数据]）：

---

这怎么会发生？numpy在将包含字符串的列表更改为矩阵时是否有问题？

如果任何行中的列数不同，则会发生这种情况，因为

numpy

无法再将列表解释为宽度为15的矩阵。如果任何单元格包含逗号或某些行中缺少值，则可能会发生这种情况

# Example of irregular row length
mat = np.matrix([[1,2,3], [4,5]])
print(mat)   # matrix([[list([1, 2, 3]), list([4, 5])]], dtype=object)
print(mat.shape)   # (1L, 2L)

# Example of comma in text cell causing irregular row length
from StringIO import StringIO
f = StringIO('1, 2, "Some text"\n3, 4, "More, text"')
mat = np.matrix([line.split(",") for line in f])
print(mat)  # [[list(['1', ' 2', ' "Some text"\n'])  list(['3', ' 4', ' "More', ' text"'])]]
print(mat.shape)  # (1L, 2L)

如果逗号有问题，您可以将数据作为CSV导入-这将处理格式正确的CSV，该CSV可能在引号内包含逗号

import csv
f = StringIO('1, 2, "Some text"\n3, 4, "More, text"')
mat = np.matrix([row for row in csv.reader(f, skipinitialspace=True)])

或者使用，或者

但在您的情况下，问题似乎是文件末尾有一个额外的空行

f = StringIO('6, 7\n8, 9\n\n')
print(np.matrix([line.split(",") for line in f])) # [[list(['6', ' 7\n']) list(['8', ' 9\n']) list(['\n'])]]

你可以通过拆线来解决这个问题

f = StringIO('6, 7\n8, 9\n\n')
data=[]
for line in f:
    line = line.strip()
    if line:
        data.append(line.split(","))

mat = np.matrix(data)

---

你能准确地显示数据的格式吗？显示前几行吗？如果你使用

np.array（data）

你会得到一个（32562，）形状的数组-一个列表数组。使用

np.matrix

添加一个维度（本例中为1），因为该维度始终是2d。注意，数据类型是

object

。我看到一个

列表（[\n]）

元素。那将是一个空白行。如果要使用

读行

，请去掉换行符并跳过空行。并确保每行有15个元素（拆分后）。我会尝试：

np.genfromtxt（文件名，分隔符='，'，dtype=None，encoding=None）