加载带有空格的字符串作为numpy数组

Question

我想以numpy数组的形式加载csv文件。每一行都包含带空格的字符串字段。我尝试了numpy中提供的loadtxt()和genfromtxt()方法。默认情况下，这两种方法都将空格视为分隔符，并将字符串中的每个单词分隔为单独的列。有没有办法使用loadtxt()或genfromtxt()加载这种类型的数据，或者我必须为它编写自己的代码？

我的文件中的样例行：

826##25733##Emanuele Buratti## ##Mammalian cell expression

这里，##是分隔符，空格表示缺少的值。

Answer 1

我认为您的问题是默认注释字符#与您的分隔符冲突。我可以像这样加载你的数据：

>>> import numpy as np
>>> np.loadtxt('/tmp/sample.txt', dtype=str, delimiter='##', comments=None)
array(['826', '25733', 'Emanuele Buratti', ' ', 'Mammalian cell expression'], 
      dtype='|S25')

您可以看到，dtype已自动设置为最大长度字符串。如果dtype=object很麻烦，你可以使用它。顺便说一句，由于您的数据不是数值型的，因此我可能建议您使用csv模块而不是numpy来完成这项工作。

Answer 2

以下是wim建议的csv等价物：

import csv

with open('somefile.txt') as f:
    reader = csv.reader(f, delimiter='##')
    rows = list(reader)

正如@wim指出的注释，这并不能真正起作用，因为分隔符必须是一个字符。因此，如果您更改上述设置，以便使用delimiter='#'，则会得到以下结果：

[['826', '', '25733', '', 'Emanuele Buratti', '', ' ', '', 'Mammalian cell expression']]