Python，如何导入具有垂直堆叠列标题、@relation、@attribute、@data 的数据集？

Question

我正在尝试从 timeseriesclassification.com 加载数据集，但数据集的格式是我以前从未见过的。

.csv 文件如下所示，

@relation Wine
@attribute att0 numeric
@attribute att1 numeric
@attribute target {1    2}
@data   
0,1,1
0,0,0
1,0,0

这就是数据的格式。

att0,att1,target
0,1,1
0,0,0
1,0,0

这是我目前的策略：

1. 用file('filename.csv)读取文件
2. 计算@data 出现之前的行数
3. 删除所有标题，并使用 pandas 导入数据
4. 添加新的列名

有谁知道这个数据集的格式是什么类型的？也有人可以指出我可以参考不同数据集格式的资源。

Answer 1

使用 Scipy 的 scipy.io.arff.loadarff 读取 ARFF 文件。

In [94]: from scipy.io.arff import loadarff

In [95]: dataset = loadarff(open('filename.csv','r'))

In [96]: df = pd.DataFrame(dataset[0], columns=dataset[1].names())

In [97]: df
Out[97]:
   att0  att1 target
0   0.0   1.0      1
1   0.0   0.0      0
2   1.0   0.0      0

Answer 2

该格式是 .arff（属性关系文件格式）文件。您可以使用 scipy.io.arff python 模块阅读它。