Python 具有多个值的Numpy genfromtxt读取单元格

我有一个包含多个参数的数据文件，其中一些参数是RGB格式的颜色值，即在每个颜色单元中都有数组（R、G、B）

其余单元格包含一个值，这将导致错误

Line #11175 (got 38 columns instead of 47)

这是数据文件的示例（每个值用一个选项卡分隔）：

我通过调用

data=np.genfromtxt（file）

读取数据，其中file是上面的数据

---

我怎样才能解决这个问题？有没有从单元格中读取数组的方法？

我认为将数据存储为

numpy

array

是否存在混合数据类型，不仅在列之间，而且在某些列中

pandas

dataframe

自然更适合这种类型的东西：

除了简单的

read\u csv

，所需的唯一步骤就是使用

.map（eval）

将读取为字符串的元组转换回元组：

---

如果你发布了实际的数据和代码，这样其他人就可以重现你的错误，那会有帮助的。好的，我现在就编辑，谢谢。查找有关阅读带空格的引号字符串的问题。例如，尝试使用python

csv

阅读器，将

（）

作为

引号

。或者对行进行预处理，将有问题的字符串转换为

genfromtxt

可以作为字符串值处理的内容。您有两个问题-读取每行中相同数量的列，并在最后三个数据字段中存储相同类型的值。您想要什么

dtype

呢？data=np.genfromtxt（文件，分隔符='\t'，dtype=None）会发生什么情况？如果字段由制表符分隔，并且

（0.8,0.8,0.8）

中没有任何制表符，则不应出现列计数问题。

RightValidity   Vergence    FixationDist    EventTimeStamp  EventName   EventType   EventId Code    Parameters  Value for trial 1   Value for trial 2   Value for trial 3
4   3.5522  0.613   1537.011    InputEvent  Mouse_DW    2   999 aperture yes/no 1   1   1
4   3.5522  0.613   1736.592    InputEvent  Mouse_UP    2   999 aperture color  (0.8, 0.8, 0.8) (0.8, 0.8, 0.8) (0.8, 0.8, 0.8)
4   3.5522  0.613   1752.87 TrialEvent  0   START   8   aperture division   3   3   3

In [20]:
import pandas as pd
df = pd.read_csv('temp.txt', sep='\t')
In [21]:

print df
   RightValidity  Vergence  FixationDist EventTimeStamp EventName EventType  \
4         3.5522     0.613      1537.011     InputEvent  Mouse_DW         2   
4         3.5522     0.613      1736.592     InputEvent  Mouse_UP         2   
4         3.5522     0.613      1752.870     TrialEvent         0     START   

   EventId Code         Parameters Value for trial 1 Value for trial 2  \
4           999    aperture yes/no                 1                 1   
4           999     aperture color   (0.8, 0.8, 0.8)   (0.8, 0.8, 0.8)   
4             8  aperture division                 3                 3   

  Value for trial 3  
4                 1  
4   (0.8, 0.8, 0.8)  
4                 3  
In [22]:

df['Value for trial 1'].values #data not stored in tuples
Out[22]:
array(['1', '(0.8, 0.8, 0.8)', '3'], dtype=object)
In [24]:

df['Value for trial 1'].map(eval).values #so we convert the tuples to tuples, leave numerical numbre unchanged
Out[24]:
array([1, (0.8, 0.8, 0.8), 3], dtype=object)
In [25]:

df['Value for trial 1'] = df['Value for trial 1'].map(eval)
df['Value for trial 2'] = df['Value for trial 2'].map(eval)
df['Value for trial 3'] = df['Value for trial 3'].map(eval)