这篇文章主要介绍了Python 中导入csv数据的三种方法,内容比较简单，非常不错，具有一定的参考借鉴价值，需要的朋友可以参考下微点阅读小编收集的文章介绍。
Python 中导入csv数据的三种方法，具体内容如下所示：
1、通过标准的Python库导入CSV文件：
Python提供了一个标准的类库CSV文件。这个类库中的reader()函数用来导入CSV文件。当CSV文件被读入后，可以利用这些数据生成一个NumPy数组，用来训练算法模型。：
1
2
3
4
5
6
7
8
9
from csv importreader
import numpy as np
filename = input ( "请输入文件名： " )
withopen(filename, 'rt' ,encoding = 'UTF-8' )as raw_data:readers = reader(raw_data,delimiter = ',' )x = list (readers)data = np.array(x)print (data)print (data.shape)
2、通过NumPy导入CSV文件
也可以使用NumPy的loadtxt()函数导入数据。使用这个函数处理的数据没有文件头，并且所有的数据结构都是一样的，也就是说，数据类型是一样的。
1
2
3
4
5
from numpy importloadtxt
filename = input ( "文件名：" )
withopen(filename, 'rt' ,encoding = 'UTF-8' )as raw_data:data = loadtxt(raw_data,delimiter = ',' )print (data)
3、通过Pandas导入CSV文件
通过Pandas来导入CSV文件要使用 pandas.read_csv()函数。这个函数的返回值是DataFrame，可以很方便的进行下一步的处理，实际操作过程中推荐使用这种方法。
在机器学习的项目中，经常利用Pandas来做数据清洗与数据准备工作。
1
2
3
4
5
6
from pandas importread_csv
filename = input ( "文件名：" )
f = open (filename,encoding = 'UTF-8' )
names = [ '作业日期' , 'ηCO' , 'ηH2' , 'TF(℃)' , 'TC(℃)' , 'mass' , '送风流量' ]
data = read_csv(f,names = names)
print (data)
总结
以上所述是小编给大家介绍的Python 中导入csv数据的三种方法,希望对大家有所帮助。
转自：https://www.weidianyuedu.com
Original: https://blog.csdn.net/hdxx2022/article/details/128053209
Author: hdxx2022
Title: Python 中导入csv数据的三种方法
相关阅读
Title: Argo CD系列视频图文版之自建应用模拟开发场景
开篇
本期视频，我们来动手自建一个应用，模拟实际的场景。通过这个场景模拟，各位可以感受到真正生产环境中应该怎样使用 ArgoCD。我们的项目托管在 Github，留作给大家作为参考材料。
argocd in action[1]
配套视频
flask demo
flask demo 目录用来模拟代码仓库，它是一个典型极简的 Flask 项目，主要功能就是输出数据库连接的环境变量到前端页面。
注：此处仅为模拟功能，将实际生产环境拉至祭天。
[En]
Note: here is only the simulation function, the actual production environment will be pulled to sacrifice to heaven.
.
├── Dockerfile
├── Makefile
├── app.py
└── requirements.txt
我们可以通过 make image 命令在本地 build 一个镜像。我已经打包好一个镜像： 364950776/flask-demo:latest
kustomize
kustomize 目录用来编写应用的配置清单，同样的，这也是一个典型极简的 kustomize 支持的配置目录。
具体 kustomize 的用法此处不再赘述，值得一提的是，deployment 中的环境变量，是通过 configMapGenerator 注入的。这是 kustomize 的一个特性，环境变量都存储在 envs.yaml 中。
.
├── deployment.yaml
├── envs.yaml
├── kustomization.yaml
├── namespace.yaml
└── service.yaml
添加代码仓库
注: 由于我们 github 中代码仓库是开放的，只需要添加地址即可，如果是私有仓库，需要额外添加认证信息。
部署自建应用
部署应用非常简单，在 UI 界面上填写配置即可。
发现问题
问题 1
业务源代码和部署列表在同一仓库，功能权限不够明确。源代码是开发团队关心的问题，部署是运营团队关心的问题。记录提交混乱，审计困难。
[En]
The business source code and deployment list are in the same warehouse, and the functional permissions are not clear enough. The source code is the concern of the development team, while the deployment is the concern of the operations team. The submission of records is confused and the audit is difficult.
所以 ArgoCD 官方强烈建议，业务源码和部署清单，分两个仓库存储。
问题 2
业务源码和部署清单，分两个仓库存储。每次源码发布新版本，开发人员都要手动打包镜像，再通知运维修改部署清单中的镜像，最后运维登录 ArgoCD 界面同步应用状态。
这一操作完全是低效的，没有完全自动化上述过程的自动方案。
[En]
This operation is completely inefficient, there is no automatic scheme to fully automate the above process.
结束语
虽然我们顺利地完成了对自建应用的 gitops 实验，但这并不是最佳实践，仍然有两个问题需要我们解决。下节课，咱们就来解决这两个问题。
参考资料
[1]
argocd in action: https://github.com/pyfs/argocd-in-action
Original: https://blog.csdn.net/u014249394/article/details/122183527
Author: LinuxSuRen
Title: Argo CD系列视频图文版之自建应用模拟开发场景
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/318520/
转载文章受原作者版权保护。转载请注明原作者出处！
