python 读取文本

将文本转换到NumPy 数组中，做机器学习或其他任何任务，文本处理的技能必不可少。python 实现实现了很精简强大的文本处理功能：

假设 文件 traindata.csv 中有数据 1000行，3列特征，第四列（最后一列）为类标签

1. 基本方法：

def file2matrix():
    dataMat = []
    labelMat = []
    fr = open('./traindata.csv','rb')  
　　 fr.readline()
    for line in fr.readlines():  #读取每一行
　　　　curLine = line.strip().split('\t')
　　　　lineArr = []
　　　　for i in range(3):
　　　　　　lineArr.append(float(curLine[i])) # 读取每个属性  
　　　　dataMat.append(lineArr)   
　　　　labelMat.append(float(curLine[3]))
　　return dataMat,labelMat

    

2. 使用csv模块

import csv

def file2Matrix():
     fr = open('./traindata','rb')
     lines = csv.reader(fr)
　　　lines.next()  // 忽略第一行
     for line in lines: 
          ....

 

3. 使用pandas 模块

import pandas as pd

def file2Matrix():
    fr = open('./traindata.csv','rb')
    df = pd.read_csv(fr,header=0)
    dataMat = df[['feature1','feature2','feature3']]
    labelMat = df['label']
    return dataMat,labelMat

很明显，如果熟练掌纹pandas 将会很简单，so easy.

纸上得来终觉浅，绝知此事要躬行....

just do it!