数据的读取

1.读取txt文件
#方法一
import numpy as np    #numpy模块提供的数组，读写等操作速度比python自带的快很多，所以作为一个基础包导入
data = np.genfromtxt('C:/machinelearning/face.txt', dtype=np.int32) #dtype表示输出的数据类型
# 这里np.int32与int是一样的，delimiter表示用于分隔值的字符，默认是空格，txt数据为245057*4的二维数组
print(type(data))      #打印查看数据类型
print(data.shape)      #打印查看数据尺寸
labels= data[:,3]      #获取数据第3维元素，就是第4列
data= data[:,0:3]      #获取数据0，1,2维元素，也就是第1,2,3列，注意表示区间时不包含右端点，故不是0,1,2,3维元素
print(labels[:10])     #打印前10行
print(data[:10,0:2])   #打印前10行的前两列
#一维数组的切片操作：   https://www.cnblogs.com/malinqing/p/11272485.html
#二三维数组的切片操作： https://www.jb51.net/article/165654.htm

#方法二
import numpy as np
data = np.loadtxt('C:/machinelearning/face.txt', dtype=int)
#numpy.loadtxt(fname, dtype=, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)
print(type(data))      #打印查看数据类型
print(data.shape)      #打印查看数据尺寸


2.读取csv文件
#使用pandas包导入csv文件是最简单的方式，数字和字符串可以同时导入
import pandas as pd                         #导入pandas包
data = pd.read_csv("C:/machinelearning/iris.csv")              #读取csv文件
print(data.shape)                               #打印文件大小
print(data.columns)                   #返回全部列名

3.读取excel文件
import pandas as pd                         #导入pandas包
data = pd.read_excel("C:/machinelearning/AirQualityUCI.xlsx")              #读取csv文件
print(data.shape)                               #打印文件大小
print(data.columns)                   #返回全部列名