Python将CSV文件数据读取至数组或矩阵的两种方法

花开有时

发布时间：2026-10-13| 6人浏览过

原创

本文详解利用Numpy和Pandas库将CSV文件数据读取为数组或矩阵的方法。重点解决路径转义字符导致的SyntaxError，并演示使用Pandas处理缺失值及结合Sklearn的Imputer进行数据清洗的完整流程。

首先介绍如何使用Numpy库来实现这一功能。

需要注意的是，该方法存在一个明显缺点：如果CSV文件中包含缺失值，读取过程将会失败。

读取数据的代码如下：

import numpy 
my_matrix = numpy.loadtxt(open("1.csv","rb"),delimiter=",",skiprows=0)

将矩阵数据写入CSV文件的代码如下：

numpy.savetxt('2.csv', my_matrix, delimiter = ',')

在操作过程中可能会遇到以下错误：

SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position

出现该问题的原因是文件路径字符串中包含了转义字符，解决方法是将路径中的反斜杠\替换为双反斜杠\\。

接下来介绍利用Pandas库进行读取的方法。

读取数据示例（Pandas可以自动处理缺失值）：

>>> import pandas as pd
>>> df = pd.read_csv('D:\Python\\l\B_train1.csv')
>>> df.values
>>> df.as_matrix(columns=None)

写入数据示例（直接将DataFrame对象保存为CSV）：

>>> testB = test[test.intersection_id.isin(["B"])]
>>> pd.DataFrame.to_csv(testB,"D:\Python\\k\\t5B.csv")
#testB是个dataFrame

若需利用Sklearn包中的Imputer模块来处理缺失值，可参考以下代码：

>>> m = df.as_matrix(columns=None)
>>> from sklearn.preprocessing import Imputer
>>> imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
>>> imp.fit(m)
Imputer(axis=0, copy=True, missing_values='NaN', strategy='mean', verbose=0)
>>> imp.transform(m)

以上就是Python读取CSV文件数据到数组（矩阵）的完整实例讲解，希望能为读者提供有效的参考。