Python两种方式加载文件内容

水深无声 2021-09-16 04:38 344阅读 0赞

声明：代码的运行环境为Python3。Python3与Python2在一些细节上会有所不同，希望广大读者注意。本博客以代码为主，代码中会有详细的注释。相关文章将会发布在我的个人博客专栏[《Python从入门到机器学习》][Python]，欢迎大家关注。

[一、Python机器学习基础之Python的基本语法（一）][Python_Python]

[二、Python机器学习基础之Python的基本语法（二）][Python_Python 1]

[三、Python机器学习基础之Numpy库的使用][Python_Numpy]

[四、Python机器学习基础之Pandas库的使用][Python_Pandas]

[五、Python机器学习基础之Matplotlib库的使用][Python_Matplotlib]

[六、Sklearn库和TensorFlow框架][Sklearn_TensorFlow]

七、 Python两种方式加载文件内容

说到机器学习，大家首先想到的可能就是Python和算法了，其实光有Python和算法是不够的，数据才是进行机器学习的前提。大多数的数据都会存储在文件中，要想通过Python调用算法对数据进行相关学习，首先就要将数据读入程序中，本文介绍两种加载数据的方式，在之后的算法介绍中，将频繁使用这两种方式将数据加载到程序。

下面我们将以Logistic Regression模型加载数据为例，分别对两种不同的加载数据的方式进行介绍。

一、利用open()函数进行加载

def load_file(file_name):
        '''
        利用open()函数加载文件
        :param file_name: 文件名
        :return: 特征矩阵、标签矩阵
        '''
        f = open(file_name)  # 打开训练数据集所在的文档
        feature = []  # 存放特征的列表
        label = []  #存放标签的列表
        for row in f.readlines():
            f_tmp = []  # 存放特征的中间列表
            l_tmp = []  # 存放标签的中间列表
            number = row.strip().split("\t")  # 按照\t分割每行的元素，得到每行特征和标签
            f_tmp.append(1)  # 设置偏置项
            for i in range(len(number) - 1):
                f_tmp.append(float(number[i]))
            l_tmp.append(float(number[-1]))
            feature.append(f_tmp)
            label.append(l_tmp)
        f.close()  # 关闭文件，很重要的操作
        return np.mat(feature), np.mat(label)

二、利用Pandas库中的read\_csv()方法进行加载

def load_file_pd(path, file_name):
        '''
        利用pandas库加载文件
        :param path: 文件路径
        :param file_name: 文件名称
        :return: 特征矩阵、标签矩阵
        '''
        feature = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[0, 1])
        feature.columns = ["a", "b"]
        feature = feature.reindex(columns=list('cab'), fill_value=1)
        label = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[2])
        return feature.values, label.values

三、示例

我们可以使用上述的两种方法加载部分数据进行测试，数据内容如下：

![70][]

数据分为三列，前两列是特征，最后一列是标签。加载数据代码如下：

'''
    两种方式加载文件
    '''
    
    import pandas as pd
    import numpy as np
    
    def load_file(file_name):
        '''
        利用open()函数加载文件
        :param file_name: 文件名
        :return: 特征矩阵、标签矩阵
        '''
        f = open(file_name)  # 打开训练数据集所在的文档
        feature = []  # 存放特征的列表
        label = []  #存放标签的列表
        for row in f.readlines():
            f_tmp = []  # 存放特征的中间列表
            l_tmp = []  # 存放标签的中间列表
            number = row.strip().split("\t")  # 按照\t分割每行的元素，得到每行特征和标签
            f_tmp.append(1)  # 设置偏置项
            for i in range(len(number) - 1):
                f_tmp.append(float(number[i]))
            l_tmp.append(float(number[-1]))
            feature.append(f_tmp)
            label.append(l_tmp)
        f.close()  # 关闭文件，很重要的操作
        return np.mat(feature), np.mat(label)
    
    def load_file_pd(path, file_name):
        '''
        利用pandas库加载文件
        :param path: 文件路径
        :param file_name: 文件名称
        :return: 特征矩阵、标签矩阵
        '''
        feature = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[0, 1])
        feature.columns = ["a", "b"]
        feature = feature.reindex(columns=list('cab'), fill_value=1)
        label = pd.read_csv(path + file_name, delimiter="\t", header=None, usecols=[2])
        return feature.values, label.values
    
    if __name__ == "__main__":
        path = "C://Users//Machenike//Desktop//xzw//"
        feature, label = load_file(path + "test.txt")
        feature_pd, label_pd = load_file_pd(path, "test.txt")
        print(feature)
        print(feature_pd)
        print(label)
        print(label_pd)

测试结果：

[[ 1.          1.43481273  4.54377111]
     [ 1.          5.80444603  7.72222239]
     [ 1.          2.89737803  4.84582798]
     [ 1.          3.48896827  9.42538199]
     [ 1.          7.98990181  9.38748992]
     [ 1.          6.07911968  7.81580716]
     [ 1.          8.54988938  9.83106546]
     [ 1.          1.86253147  3.64519173]
     [ 1.          5.09264649  7.16456405]
     [ 1.          0.64048734  2.96504627]
     [ 1.          0.44568267  7.27017831]]
    [[ 1.          1.43481273  4.54377111]
     [ 1.          5.80444603  7.72222239]
     [ 1.          2.89737803  4.84582798]
     [ 1.          3.48896827  9.42538199]
     [ 1.          7.98990181  9.38748992]
     [ 1.          6.07911968  7.81580716]
     [ 1.          8.54988938  9.83106546]
     [ 1.          1.86253147  3.64519173]
     [ 1.          5.09264649  7.16456405]
     [ 1.          0.64048734  2.96504627]
     [ 1.          0.44568267  7.27017831]]
    [[ 0.]
     [ 0.]
     [ 0.]
     [ 0.]
     [ 0.]
     [ 0.]
     [ 0.]
     [ 0.]
     [ 0.]
     [ 0.]
     [ 0.]]
    [[0]
     [0]
     [0]
     [0]
     [0]
     [0]
     [0]
     [0]
     [0]
     [0]
     [0]]

从测试结果来看可知两种加载数据的方法得到的数据结果是一样的，故两种方法均适用于加载数据。

注意：此处是以Logistic Regression模型加载数据为例，数据与数据本身或许会有差异，但加载数据的方式都是大同小异的，要灵活变通。

你们在此过程中遇到了什么问题，欢迎留言，让我看看你们都遇到了哪些问题。

[Python]: https://blog.csdn.net/column/details/22367.html
[Python_Python]: https://blog.csdn.net/gdkyxy2013/article/details/80230248
[Python_Python 1]: https://blog.csdn.net/gdkyxy2013/article/details/80230492
[Python_Numpy]: https://blog.csdn.net/gdkyxy2013/article/details/80237596
[Python_Pandas]: https://blog.csdn.net/gdkyxy2013/article/details/80290755
[Python_Matplotlib]: https://blog.csdn.net/gdkyxy2013/article/details/80294021
[Sklearn_TensorFlow]: https://blog.csdn.net/gdkyxy2013/article/details/81157254
[70]: /images/20210726/bad13fb2ab444736806f2410b9fd95f8.png