时间戳

首页 > 解决方案 > 重新格式化文本文件，以便在 python 中使用 numpy 数组？

python - 重新格式化文本文件，以便在 python 中使用 numpy 数组？

问题描述

我有一小段代码用于从数据集中查找置信区间。

from scipy import stats
import numpy as np

a = np.loadtxt("test1.txt")
mean, sigma = np.mean(a), np.std(a)

conf_int = stats.norm.interval(0.95, loc=mean,
    scale=sigma)

print(conf_int)

但是，我的文本文件（test1.txt）是一个数字列表，a）在开始和结束时有一个方括号 b）不在相等的列中。

"[-10.197663 -22.970129 -15.678419 -15.306197
-12.09961 -11.845362 -18.10553 -25.370747
-19.34831 -22.45586]

np.loadtxt 似乎真的不喜欢这样，所以有什么方法可以使用函数来读取和使用数据或重新格式化它？

任何帮助将不胜感激！

更新所以我设法用下面的代码删除我的括号

with open('test1.txt', 'r') as my_file:
text = my_file.read()
text = text.replace("[", "")
text = text.replace("]", "")


with open('clean.txt', 'w') as my_file:
my_file.write(text)


a = np.loadtxt("clean.txt")
mean, sigma = np.mean(a), np.std(a)

conf_int = stats.norm.interval(0.95, loc=mean,
   scale=sigma)

print(conf_int)

只需要重新格式化 clean.txt，使其现在在一列中，这样 np.array 就会识别它。

最终更新

我设法让它工作，使用@David Hoffman 建议的代码和我从上面的长期工作；见下文

from scipy import stats
import numpy as np

with open('test1.txt', 'r') as my_file:
    text = my_file.read()
    text = text.replace("[", "")
    text = text.replace("]", "")


with open('clean.txt', 'w') as my_file:
    my_file.write(text)


a = np.array(list(map(float, text.strip("[]").split())))
mean, sigma = np.mean(a), np.std(a)

conf_int = stats.norm.interval(0.95, loc=mean,
   scale=sigma)

print(conf_int)

感谢大家花时间提供帮助，非常感谢，特别是对于像我这样的新编码员。

标签： pythonnumpy

解决方案

您可以将其读取为字符串，然后将空格替换,为使其类似于列表并用于eval将字符串列表转换为list类型，最后转换为 numpy 数组。
对于您给定的虚拟输入

li = """[-10.197663 -22.970129 -15.678419 -15.306197
-12.09961 -11.845362 -18.10553 -25.370747
-19.34831 -22.45586]"""

np.array(eval(li.replace(' ',',')))
array([-10.197663, -22.970129, -15.678419, -27.405807, -11.845362,
       -18.10553 , -44.719057, -22.45586 ])

对于给定的输入文件 -这里的解决方案是

import re
li = open('test1.txt', 'r').read()

np.array(eval(re.sub(r'(\n +| +)',',',li)))
array([-10.197663  , -22.970129  , -15.678419  , -15.306197  ,
        -0.38851437, -12.09961   , -11.845362  , -18.10553   ,
       -25.370747  , -20.575884  , -19.34831   , -22.45586   ,
       -31.209     , -19.68507   , -31.07194   , -28.4792    ,
        ...])

推荐阅读