Python numpy genfromtxt-如果未提供标题，则推断列标题

我了解到，使用

genfromtxt

，可以使用

defaultfmt

参数推断默认列名，如果列名不在输入数据中，这将非常有用。如果未提供，

defaultfmt

，则默认为

f%i

。例如

>>> data = StringIO("1 2 3\n 4 5 6")
>>> np.genfromtxt(data, dtype=(int, float, int))
array([(1, 2.0, 3), (4, 5.0, 6)],
  dtype=[('f0', '<i8'), ('f1', '<f8'), ('f2', '<i8')])

我仍然需要自动生成的

f0

，

f1

…等列名。我希望numpy根据数据自动确定数据类型，我认为这是执行

dtype=None

的全部要点

编辑 但不幸的是，这并不总是有效的

当我同时拥有float和int时，这种情况就有效了

>>> data3b = StringIO("1 2 3.0\n 4 5 6.0")
>>> np.genfromtxt(data3b, dtype=None)
array([(1, 2, 3.), (4, 5, 6.)],
  dtype=[('f0', '<i8'), ('f1', '<i8'), ('f2', '<f8')])

根据输入数据，我的相同代码可能有效，也可能无效？听起来不对

是的，我知道那里有熊猫。但我不是故意使用熊猫的。所以请容忍我

In [2]: txt = '''1,2,3
   ...: 4,5,6'''.splitlines()

Defaylt Flaot 2d阵列：

In [6]: np.genfromtxt(txt, delimiter=',',encoding=None)
Out[6]: 
array([[1., 2., 3.],
       [4., 5., 6.]])

ints的2d格式：

In [7]: np.genfromtxt(txt, dtype=None, delimiter=',',encoding=None)
Out[7]: 
array([[1, 2, 3],
       [4, 5, 6]])

指定的字段数据类型：

In [8]: np.genfromtxt(txt, dtype='i,i,i', delimiter=',',encoding=None)
Out[8]: 
array([(1, 2, 3), (4, 5, 6)],
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

[8]中的

：np.genfromtxt（txt，dtype='i，i，i'，delimiter='1'，'编码=None）
出[8]：
数组（[（1,2,3），（4,5,6）]，
dtype=[（'f0'，'看起来这些值都是整数，因此默认操作是返回常规2d数组而不是结构化数组。dtype不必有名称。例如
dtype='i，f，i'
或
['i'，'f'，'i']
谢谢。你是说要传入数据类型吗？问题是，我不想传入数据类型的任何内容。至于所有整数与整数/浮点的混合-如果是混合的，似乎numpy做了我想做的事情，但如果是混合的，则不是所有整数。谢谢。你能详细说明最后一条语句吗？所以
numpy
如果可以的话，默认为非结构化的吗如果我理解正确的话，
numpy
认为如果所有的东西都是
int
s，那么非结构化是可以的。但是如果我们混合了
float
s和
int
s，非结构化是不可能的。所以
genfromtxt
自动给我结构化的。对吗？
np.array（[1,2,3]，[4,5,6]）
生成了一个（2,3）int-dtype数组。您必须使用类似于
Out[11]
的表达式来生成结构化数组。换句话说，它必须是一个元组列表，具有完全指定的
dtype
。谢谢。原因是什么
np.genfromtxt（StringIO（“1 2 3.0\n 4 5 6.0”），dtype=None）
生成具有
dtype
的完全结构化数组？我只想知道什么时候需要执行
输出[11]
，因为它似乎并不总是必要的。对于
dtype=None
它注意到一些列是浮点的，一些是整数。为了保持这种混合，它必须使用结构化的dtype。我之前的评论是关于直接使用
np.array
命令生成数组（不是通过字符串和
genfromtxt
）.您是否意识到，在进行计算和索引时，结构化数组和非结构化数组的行为有所不同？不要跳过基本的
numpy
阅读。
In [7]: np.genfromtxt(txt, dtype=None, delimiter=',',encoding=None)
Out[7]: 
array([[1, 2, 3],
       [4, 5, 6]])

In [8]: np.genfromtxt(txt, dtype='i,i,i', delimiter=',',encoding=None)
Out[8]: 
array([(1, 2, 3), (4, 5, 6)],
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

In [9]: np.genfromtxt(txt, dtype=None, delimiter=',',encoding=None, names=['a','b','c'])
Out[9]: 
array([(1, 2, 3), (4, 5, 6)],
      dtype=[('a', '<i8'), ('b', '<i8'), ('c', '<i8')])

In [10]: import numpy.lib.recfunctions as rf
In [11]: rf.unstructured_to_structured(Out[7])
Out[11]: 
array([(1, 2, 3), (4, 5, 6)],
      dtype=[('f0', '<i8'), ('f1', '<i8'), ('f2', '<i8')])