Python 从具有可变列数的ASCII文件读取浮点值
我有包含浮点数的ASCII文件。大多数行有10列,但有些行的列数较少。例如:Python 从具有可变列数的ASCII文件读取浮点值,python,numpy,cython,Python,Numpy,Cython,我有包含浮点数的ASCII文件。大多数行有10列,但有些行的列数较少。例如: * lat = 33.2813 19.61 19.92 21.82 21.94 22.77 25.81 29.48 29.86 29.92 28.98 27.94 25.78 23.68 23.37 * lat = 33.3438 20.16 23.62 27.73 31.12 33.06 34.01 35.78 37.03 37.79 35.74 34
* lat = 33.2813
19.61 19.92 21.82 21.94 22.77 25.81 29.48 29.86 29.92 28.98
27.94 25.78 23.68 23.37
* lat = 33.3438
20.16 23.62 27.73 31.12 33.06 34.01 35.78 37.03 37.79 35.74
34.12 31.83 33.98 28.57
* lat = 33.4063
28.26 30.04 35.00 37.92 41.50 44.55 45.44 46.74 46.74 43.47
37.67 35.67 35.67 31.64
* lat = 33.4688
34.02 36.07 38.95 44.24 46.49 47.98 50.62 51.95 51.95 51.95
48.31 41.03 38.01 34.58
* lat = 33.5313
36.94 37.12 44.04 48.41 51.70 52.71 54.18 55.71 56.98 62.10
57.26 49.05 44.18 41.50
以*
开头的行是注释
如何使用numpy高效地读取此文件?(这是一个玩具示例;我的实际数据文件中有>>1E6值)。numpy函数loadtxt/genfromtxt似乎无法处理可变的列数:
In [25]: np.loadtxt(fn, comments="*", dtype=float)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-25-2419eebb6114> in <module>()
----> 1 np.loadtxt(fn, comments="*", dtype=float)
/usr/lib/pymodules/python2.7/numpy/lib/npyio.pyc in loadtxt(fname, dtype, comments, delimiter, converters, skiprows, usecols, unpack, ndmin)
833 fh.close()
834
--> 835 X = np.array(X, dtype)
836 # Multicolumn data are returned with shape (1, N, M), i.e.
837 # (1, 1, M) for a single row - remove the singleton dimension there
ValueError: setting an array element with a sequence.
[25]中的:np.loadtxt(fn,comments=“*”,dtype=float)
---------------------------------------------------------------------------
ValueError回溯(最近一次调用上次)
在()
---->1 np.loadtxt(fn,comments=“*”,dtype=float)
/loadtxt中的usr/lib/pymodules/python2.7/numpy/lib/npyio.pyc(fname、dtype、comments、delimiter、converter、skiprows、usecols、unpack、ndmin)
833 fh.关闭()
834
-->835 X=np.数组(X,数据类型)
836#多列数据以形状(1,N,M)返回,即。
837#(1,1,M)对于单行-删除此处的单例维度
ValueError:使用序列设置数组元素。
genfromtxt更详细,但也不起作用:
In [27]: np.genfromtxt(fn, comments="*", dtype=float)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-27-6c6e8879e4b9> in <module>()
----> 1 np.genfromtxt(fn, comments="*", dtype=float)
/usr/lib/pymodules/python2.7/numpy/lib/npyio.pyc in genfromtxt(fname, dtype, comments, delimiter, skiprows, skip_header, skip_footer, converters, missing, missing_values, filling_values, usecols, names, excludelist, deletechars, replace_space, autostrip, case_sensitive, defaultfmt, unpack, usemask, loose, invalid_raise)
1636 # Raise an exception ?
1637 if invalid_raise:
-> 1638 raise ValueError(errmsg)
1639 # Issue a warning ?
1640 else:
ValueError: Some errors were detected !
Line #2 (got 4 columns instead of 10)
Line #5 (got 4 columns instead of 10)
Line #8 (got 4 columns instead of 10)
Line #11 (got 4 columns instead of 10)
Line #14 (got 4 columns instead of 10)
Line #17 (got 4 columns instead of 10)
Line #20 (got 4 columns instead of 10)
Line #23 (got 4 columns instead of 10)
Line #26 (got 4 columns instead of 10)
Line #29 (got 4 columns instead of 10)
[27]中的:np.genfromtxt(fn,comments=“*”,dtype=float)
---------------------------------------------------------------------------
ValueError回溯(最近一次调用上次)
在()
---->1 np.genfromtxt(fn,comments=“*”,dtype=float)
/genfromtxt中的usr/lib/pymodules/python2.7/numpy/lib/npyio.pyc(fname、dtype、comments、delimiter、skiprows、skiprows、skipu header、skipu footer、converter、missing、missing_值、filling_值、usecols、name、excludelist、deletechars、replace_space、autostrip、区分大小写、defaultfmt、unpack、usemack、usemack、lose、invalid_-raise)
1636#提出一个例外?
1637如果无效,请提升:
->1638提升值错误(errmsg)
1639#发出警告?
1640其他:
ValueError:检测到一些错误!
第2行(由10列改为4列)
第5行(由10列改为4列)
第8行(由10列改为4列)
第11行(由10列改为4列)
第14行(由10列改为4列)
第17行(由10列改为4列)
第20行(由10列改为4列)
第23行(由10列改为4列)
第26行(由10列改为4列)
第29行(由10列改为4列)
似乎有一个kwarg无效_raise
,但将其设置为False
会导致忽略值小于10的行
如果能帮我解决这个问题,我将不胜感激。我很乐意用Cython编写自己的文件解析器,但实际上无法在Cython中找到有关高效字符串->浮点转换的信息…以下是使用解析器的方法。如果您只需要numpy数组,请使用
df.values
In [239]: import pandas as pd
In [240]: df = pd.read_csv('input.txt', header=None, skiprows=1, delim_whitespace=True)
In [242]: df = df[df[0] != '*'] #filter out comment rows
In [245]: df = df.convert_objects(convert_numeric=True)
In [246]: df
Out[246]:
0 1 2 3 4 5 6 7 8 9
0 19.61 19.92 21.82 21.94 22.77 25.81 29.48 29.86 29.92 28.98
1 27.94 25.78 23.68 23.37 NaN NaN NaN NaN NaN NaN
3 20.16 23.62 27.73 31.12 33.06 34.01 35.78 37.03 37.79 35.74
4 34.12 31.83 33.98 28.57 NaN NaN NaN NaN NaN NaN
6 28.26 30.04 35.00 37.92 41.50 44.55 45.44 46.74 46.74 43.47
7 37.67 35.67 35.67 31.64 NaN NaN NaN NaN NaN NaN
9 34.02 36.07 38.95 44.24 46.49 47.98 50.62 51.95 51.95 51.95
10 48.31 41.03 38.01 34.58 NaN NaN NaN NaN NaN NaN
12 36.94 37.12 44.04 48.41 51.70 52.71 54.18 55.71 56.98 62.10
13 57.26 49.05 44.18 41.50 NaN NaN NaN NaN NaN NaN
如果带有
*
的行只是注释,则不应使用它们来分隔不同的数组。它们似乎不是注释,而是指示某些值的下一个开始的分隔符。否则,您为什么不在文件上使用生成器,跳过*
行,并将数据附加到一个大数组中?换句话说,您是否需要*
行中的lat
值来组织、过滤、处理下面列出的值?如果没有,那么为什么这些值要分开保存?如果是,则需要不同的数据结构,如熊猫数据帧、记录数组或dict,将lat
值与其值数组相关联。