在Python中将CSV文件读取到多个NumPy数组
我试图将一个包含各种股票价格的.csv文件导入getData()函数中的Python脚本中,但我在索引方面遇到了问题,看不到如何解决这个问题 我对CSV和NumPy都是新手,因此不确定问题到底出在哪里,但当我尝试运行此代码时,我收到以下消息: 文件“./StockPlot.py”,第20行,在getData中 日期[i-1]=数据[0] 索引器:索引0超出大小为0的轴0的界限在Python中将CSV文件读取到多个NumPy数组,python,arrays,csv,numpy,Python,Arrays,Csv,Numpy,我试图将一个包含各种股票价格的.csv文件导入getData()函数中的Python脚本中,但我在索引方面遇到了问题,看不到如何解决这个问题 我对CSV和NumPy都是新手,因此不确定问题到底出在哪里,但当我尝试运行此代码时,我收到以下消息: 文件“./StockPlot.py”,第20行,在getData中 日期[i-1]=数据[0] 索引器:索引0超出大小为0的轴0的界限 import numpy as np import matplotlib.pyplot as plt import cs
import numpy as np
import matplotlib.pyplot as plt
import csv
def getData():
date = np.array([])
openPrice = np.array([])
closePrice = np.array([])
volume = np.array([])
i = 1
with open('aapl.csv', 'rb') as f:
reader = csv.reader(open('aapl.csv'))
data_as_list = list(reader)
items = len(data_as_list)
while i < items:
data = data_as_list[i]
date[i-1] = data[0]
openPrice[i-1] = data[1]
closePrice[i-1] = data[4]
volume[i-1] = data[5]
i += 1
return date, openPrice, closePrice, volume
getData()
将numpy导入为np
将matplotlib.pyplot作为plt导入
导入csv
def getData():
日期=np.array([])
openPrice=np.array([])
closePrice=np.array([])
卷=np.array([])
i=1
以open('aapl.csv','rb')作为f:
reader=csv.reader(打开('aapl.csv'))
数据作为列表=列表(读卡器)
items=len(数据作为列表)
而我认为:
数据=数据作为列表[i]
日期[i-1]=数据[0]
openPrice[i-1]=数据[1]
收盘价[i-1]=数据[4]
卷[i-1]=数据[5]
i+=1
返回日期、开盘价、收盘价、数量
getData()
我试图读取的AAPL.csv文件中有以下行:
日期、开盘、高位、低位、收盘、成交量
7月26日17153.35153.93153.06153.4615415545
7月25日17151.80153.84151.80152.7418853932
7月24日17150.58152.44149.90152.0921493160
如果您能帮我解决这个问题,我将不胜感激。看起来data_as_list是每行列表的列表,在使用打印功能后,它似乎正在打印数据[0]等等。在while循环中,但不允许我将值分配给我创建的数组。IMO使用Pandas更方便:
import pandas as pd
fn = r'/path/to/AAPL.csv'
df = pd.read_csv(fn, skipinitialspace=True, parse_dates=['Date'])
结果:
In [83]: df
Out[83]:
Date Open High Low Close Volume
0 2017-07-26 153.35 153.93 153.06 153.46 15415545
1 2017-07-25 151.80 153.84 151.80 152.74 18853932
2 2017-07-24 150.58 152.44 149.90 152.09 21493160
作为numpy 2D阵列:
In [84]: df.values
Out[84]:
array([[Timestamp('2017-07-26 00:00:00'), 153.35, 153.93, 153.06, 153.46, 15415545],
[Timestamp('2017-07-25 00:00:00'), 151.8, 153.84, 151.8, 152.74, 18853932],
[Timestamp('2017-07-24 00:00:00'), 150.58, 152.44, 149.9, 152.09, 21493160]], dtype=object)
在我看来,使用熊猫更方便:
import pandas as pd
fn = r'/path/to/AAPL.csv'
df = pd.read_csv(fn, skipinitialspace=True, parse_dates=['Date'])
结果:
In [83]: df
Out[83]:
Date Open High Low Close Volume
0 2017-07-26 153.35 153.93 153.06 153.46 15415545
1 2017-07-25 151.80 153.84 151.80 152.74 18853932
2 2017-07-24 150.58 152.44 149.90 152.09 21493160
作为numpy 2D阵列:
In [84]: df.values
Out[84]:
array([[Timestamp('2017-07-26 00:00:00'), 153.35, 153.93, 153.06, 153.46, 15415545],
[Timestamp('2017-07-25 00:00:00'), 151.8, 153.84, 151.8, 152.74, 18853932],
[Timestamp('2017-07-24 00:00:00'), 150.58, 152.44, 149.9, 152.09, 21493160]], dtype=object)