当name = True for Python 3时，numpy genfromtxt似乎不起作用

Question

我正在使用Google Colab环境。

我正在使用的文件可以在这里找到。 这是一个CSV文件

https://drive.google.com/open?id=1v7Mm6S8BVtou1iIfobY43LRF8MgGdjfU

警告：它有几百万行。

此代码在一分钟内即可在Google Colab Python 3笔记本中运行。 我几次尝试都没有问题。

from numpy import genfromtxt
my_data = genfromtxt('DlRefinedRatings.csv', delimiter=',' ,  dtype=int)

print(my_data[0:50])

另一方面，下面的代码要运行几分钟，然后才能与Google Colab的服务器断开连接。 我尝试了多次。 最终，colab给了我“内存不足”的警告。

from numpy import genfromtxt
my_data = genfromtxt('DlRefinedRatings.csv', delimiter=',' ,  dtype=int,  names=True)

print(my_data[0:50])

似乎在Python 3中曾经有一个names = True的问题，但该问题已修复https://github.com/numpy/numpy/issues/5411

我检查了我在Colab中使用的版本，并且它是最新的

import numpy as np

print(np.version.version)

>1.14.3

Answer 1

同

my_data = genfromtxt('DlRefinedRatings.csv', delimiter=',' ,  dtype=int, max_rows=100)

我有一个（100,4）int数组。

使用names=True会花费很长时间，然后发出一长串错误，除了行号（即使使用max_rows）之外，其他所有错误都一样：

Line #4121986 (got 4 columns instead of 3)

标题行是螺丝钉-带有初始空白名称：

In [753]: !head ../Downloads/refinedRatings.csv
,user_id,book_id,rating
0,1,258,5
1,2,4081,4
2,2,260,5
3,2,9296,5
5,2,26,4
7,2,33,4
8,2,301,5
9,2,2686,5
10,2,3753,5

因此，基于名称，它认为有3列，但所有数据行都有4列。因此出现错误。 我不知道为什么在这种情况下它会忽略max_rows 。

但是用我自己的名字

In [755]: np.genfromtxt('../Downloads/refinedRatings.csv',delimiter=',',dtype=in
     ...: t, max_rows=10, names='foo,bar,dat,me')
Out[755]: 
array([(-1, -1,   -1, -1), ( 0,  1,  258,  5), ( 1,  2, 4081,  4),
       ( 2,  2,  260,  5), ( 3,  2, 9296,  5), ( 5,  2,   26,  4),
       ( 7,  2,   33,  4), ( 8,  2,  301,  5), ( 9,  2, 2686,  5),
       (10,  2, 3753,  5)],
      dtype=[('foo', '<i8'), ('bar', '<i8'), ('dat', '<i8'), ('me', '<i8')])

第一条记录(-1,-1,-1,-1)是最初的错误标头行，用-1代替字符串无法转换为整数。 因此，我们应该按以下skip_header进行skip_header 。

或者：

In [756]: np.genfromtxt('../Downloads/refinedRatings.csv',delimiter=',',dtype=in
     ...: t, max_rows=10, skip_header=1)
Out[756]: 
array([[   0,    1,  258,    5],
       [   1,    2, 4081,    4],
       [   2,    2,  260,    5],
       [   3,    2, 9296,    5],
       [   5,    2,   26,    4],
       [   7,    2,   33,    4],
       [   8,    2,  301,    5],
       [   9,    2, 2686,    5],
       [  10,    2, 3753,    5],
       [  11,    2, 8519,    5]])

总之，跳过标题，如果需要结构化数组，请使用自己的名称。