一、问题描述:
有一个shape为(308, 2)的二维数组,以及单独的一个数字,需要保存到csv文件中,这个单独的数字让其保存到第3列第一行的位置。
二、具体的实现:
首先要想把一个(308, 2)的二维数组和一个数字给拼接起来,直接拼接没办法实现,因为行数和列数都不同的两个ndarry是无法拼接的(此处按照目前我学的理解,是无法直接拼接的,如果可以的话,麻烦评论一下)。
然后我首先想到的解决方法就是先建一个(308,1)的二维数组,然后令这个二维数组的第一个元素设置成那个数字,然后进行拼接,保存。
为使数据可以显示完全,以仅以3行数据为例:
1
2
3
4
5
6
7
8
9
10
|
>>> a = np.ones(( 3 , 2 )) >>> b = 0.2 >>> _b = np.empty(( 3 , 1 )) >>> _b[ 0 , 0 ] = b >>> c = np.c_[a, _b] >>> print (c) [[ 1.00000000e + 000 1.00000000e + 000 2.00000000e - 001 ] [ 1.00000000e + 000 1.00000000e + 000 2.12199579e - 313 ] [ 1.00000000e + 000 1.00000000e + 000 2.54639495e - 313 ]] >>> |
但是这样,我把结果保存到文件时,第3列的除第一行,其他的行是有数据的,我不想让它显示数据。
也就是empty这个函数只是创建一个未初始化的数组,实际上里面的数值都是垃圾值。
那么如何去实现视觉上没有数据呢,其实利用空的字符串就可以了。
所以就通过np.ones设置dtype为str,此时生成的是元素都为空字符串的数组,(具体的原因还不清楚),然后此时若直接设置第一行的元素为某个值,是不行的,会自动变为'0‘,只有在拼接之后,然后再给它赋值才可以,这个地方我不是很理解,但是结果是正确的。
三、完整代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
y_true = np.ones(( 3 , 1 ), dtype = np. int ) y_pred = np.ones(( 3 , 1 ), dtype = np. int ) y = np.c_[y_true, y_pred] accuracy = np.zeros(shape = (y_true.shape[ 0 ], 1 ), dtype = np. str ) # 此时若设置accuracy[0, 0] = '0.89',最终accuracy[0, 0]存的是'0',具体原因还不清楚 res = np.c_[y, accuracy] # 先拼接起来 res[ 0 , 2 ] = '0.89' # 然后再设置就可以了 res = pd.dataframe(res, columns = [ 'y_true' , 'y_pred' , 'accuracy' ]) res.to_csv( '1.csv' ) # 保存到文件中 |
从文件中读取的时候,直接读出来,空白的地方被赋值为nan
1
2
3
|
a = pd.read_csv( '1.csv' , usecols = ( 1 , 2 , 3 )) a = a.values print (a, type (a), a.dtype) |
关于np.nan需要注意的地方如下:
- np.nan不是空对象。
- 对列表中的nan进行操作时不能用"==np.nan"来判断。只能用np.isnan()来操作。
- np.nan的数据类型是float。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import numpy as np np.nan = = np.nan out[ 3 ]: false aa = np.array([ 1 , 2 , 3 ,np.nan,np.nan, 4 , 5 ,np.nan]) aa out[ 5 ]: array([ 1. , 2. , 3. , nan, nan, 4. , 5. , nan]) aa[aa = = np.nan] = 100 #错误方式 aa out[ 7 ]: array([ 1. , 2. , 3. , nan, nan, 4. , 5. , nan]) aa[np.isnan(aa)] = 100 #对nan操作的正确方式 aa out[ 9 ]: array([ 1. , 2. , 3. , 100. , 100. , 4. , 5. , 100. ]) type (np.nan) out[ 10 ]: float |
关于参考:http://www.zzvips.com/article/201492.html
到此这篇关于浅谈python numpy创建空数组的问题的文章就介绍到这了,更多相关numpy创建空数组内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!
原文链接:https://blog.csdn.net/qq_38048756/article/details/117197697