处理外部数据集

【问题标题】：Working on an external dataset处理外部数据集
【发布时间】：2014-04-29 12:23:34
【问题描述】：

我对 scikit-learn 还是很陌生，并且正在浏览一些学习和预测 iris 数据集中样本的示例。但是如何为此目的加载外部数据集？

我下载了一个数据集，其中包含以下形式的数据；

id attr1 attr2 .... label
123 0 0 ..... abc
234 0 0 ..... dsf
....
....

那么我应该如何加载这个数据集来学习和绘制预测？谢谢。

【问题讨论】：

【解决方案1】：

一种选择是使用pandas。假设数据是空格分隔的：

import pandas as pd
X = pd.read_csv('data.txt', sep=' ').values

其中read_csv 返回一个DataFrame，values 属性返回一个包含数据的numpy 数组。您可能希望将上述X 的最后一列作为标签分离出来，例如放入一维数组y：

X, y = X[:, :-1], X[:, -1]

【讨论】：