Python：仅从 csv 文件中提取一些属性到 numpy 数组

Question

我正在尝试开发一个从 csv 文件读取其输入的神经网络。我用这个作为教程： https://machinelearningmastery.com/multi-class-classification-tutorial-keras-deep-learning-library/

我了解输入是如何存储在 X 中的

X = dataset[:,0:4].astype(float)

问题是我要使用的数据集每个条目有超过 100 个属性（不像这里只有 4 个）。我已经弄清楚我想将其中哪些用作输入，但我找不到创建与示例中格式相同的 X 的方法。我尝试了 numpy.vstack 但没有得到想要的结果。

谁能给我一个示例，说明如何创建仅包含指定属性的 X？

Answer 1

一个常见的过程是使用 pandas，它允许通过 pandas.DataFrame.infer_objects 后跟 pandas.DataFrame.values 进行 dtype 软转换，返回 DataFrame 的 Numpy 表示。或者，您可以按照上面的建议指定与usecols 一起使用的列。

来自docs：

usecols：类列表或可调用，默认None

返回一个子集 列。如果类似列表，则所有元素都必须是位置元素（即 文档列的整数索引）或对应的字符串 到由用户在名称中提供的列名称或从 文档标题行。

看起来怎么样？

df = pd.read_csv(infile, usecols = ['a', 'b'])         # Read
df_dtypes = df.infer_objects()                         # Soft conversion
x = df.values                                          # Numpy array

print df.info()                                        # Inspect -> Object
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
a    3 non-null object
b    3 non-null object
dtypes: object(2)
memory usage: 120.0+ bytes

print df_types.info()                                  # Inspect -> dtype change
  <class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
a    3 non-null int64
b    3 non-null int64
dtypes: int64(2)
memory usage: 120.0 bytes

print x                                                # Inspect -> numpy array
[[7 3]
 [1 2]
 [5 1]]