Python加载文件内容的两种实现方式

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：

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。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程宝库。

 多子图figure是绘制对象(可以理解为一个空白的画布)，一个figure对象可以包含多个Axes子图，一个Axes是一个绘图区域，不加设置时，Axes为1，且每次绘图其实都是 ...