NumPy genfromxt TypeError：数据类型无法理解错误

Question

我想读入这个文件（test.txt）

01.06.2015;00:00:00;0.000;0;-9.999;0;8;0.00;18951;(SPECTRUM)ZERO(/SPECTRUM)
01.06.2015;00:01:00;0.000;0;-9.999;0;8;0.00;18954;(SPECTRUM)ZERO(/SPECTRUM)
01.06.2015;00:02:00;0.000;0;-9.999;0;8;0.00;18960;(SPECTRUM)ZERO(/SPECTRUM)
01.06.2015;09:23:00;0.327;61;25.831;39;29;0.18;19006;01.06.2015;09:23:00;0.327;61;25.831;39;29;0.18;19006;(SPECTRUM);;;;;;;;;;;;;;1;1;;;1;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;1;;;;;;;;;;;;(/SPECTRUM)
01.06.2015;09:24:00;0.000;0;-9.999;0;29;0.00;19010;(SPECTRUM)ZERO(/SPECTRUM)

...我用numpy函数genfromtxt（）进行了尝试（请参见下面的代码摘录）。

import numpy as np
col_names = ["date", "time", "rain_intensity", "weather_code_1", "radar_ref", "weather_code_2", "val6", "rain_accum", "val8", "val9"]
types = ["object", "object", "float", "uint8", "float", "uint8", "uint8", "float", "uint8","|S10"]
# Read in the file with np.genfromtxt
mydata = np.genfromtxt("test.txt", delimiter=";", names=col_names, dtype=types)

现在，当我执行代码时，出现以下错误->

raise ValueError(errmsg)ValueError: Some errors were detected !
    Line #4 (got 79 columns instead of 10)

现在，我认为困难来自于最后一栏（val9），其中有很多;;;;;;;
很明显，最后一列中的分度符和符号; 是相同的！

我如何能无错误地读取文件，也许有可能跳过最后一列，或替换; 仅在最后一列？

Answer 1

从numpy文档

invalid_raise ：布尔值，可选
如果为True，则在列数中检测到不一致时引发异常。 如果为False，则发出警告，并且跳过有问题的行。

mydata = np.genfromtxt("test.txt", delimiter=";", names=col_names, dtype=types, invalid_raise = False)

请注意，您的代码中有我已纠正的错误（分隔符拼写错误，并且types列表在函数调用中称为dtypes ）

编辑 ：从您的评论，我看到我有点误解了。 您的意思是要跳过最后一列而不是最后一行 。

看一下下面的代码。 我定义了一个生成器，该生成器仅返回每行的前十个元素。 这将使genfromtxt()完成而不会出现错误，现在您将从所有行中获取第3列。

但是请注意，您仍然会丢失一些数据，就像仔细看一样，您会发现问题行实际上是将两行与垃圾串联在一起，而其他行则为ZERO 。 因此，您仍然会丢失第二行。 您也许可以修改生成器以解析每一行并以不同的方式处理，但我将把它作为一个有趣的练习:)

import numpy as np

def filegen(filename):
    with open(filename, 'r') as infile:
        for line in infile:
            yield ';'.join(line.split(';')[:10])

col_names = ["date", "time", "rain_intensity", "weather_code_1", "radar_ref", "weather_code_2", "val6", "rain_accum", "val8", "val9"]
dtypes = ["object", "object", "float", "uint8", "float", "uint8", "uint8", "float", "uint8","|S10"]
# Read in the file with np.genfromtxt
mydata = np.genfromtxt(filegen('temp.txt'), delimiter=";", names=col_names, dtype = dtypes)

输出量

[('01.06.2015', '00:00:00', 0.0, 0, -9.999, 0, 8, 0.0, 7, '(SPECTRUM)')
 ('01.06.2015', '00:01:00', 0.0, 0, -9.999, 0, 8, 0.0, 10, '(SPECTRUM)')
 ('01.06.2015', '00:02:00', 0.0, 0, -9.999, 0, 8, 0.0, 16, '(SPECTRUM)')
 ('01.06.2015', '09:23:00', 0.327, 61, 25.831, 39, 29, 0.18, 62, '01.06.2015')
 ('01.06.2015', '09:24:00', 0.0, 0, -9.999, 0, 29, 0.0, 66, '(SPECTRUM)')]

Answer 2

usecols可用于忽略多余的定界符，例如

In [546]: np.genfromtxt([b'1,2,3',b'1,2,3,,,,,,'], dtype=None,
    delimiter=',', usecols=np.arange(3))
Out[546]: 
array([[1, 2, 3],
       [1, 2, 3]])