Python表格分类

Question

我有一个文本文件(test.data)，里面包含了一些数值和类别名称，比如说：

4.5,3.5,U1
4.5,10.5,U2
4.5,6,U1
3.5,10.5,U2
3.5,10.5,U2
5,7,U1
7,6.5,U1

我需要把这些数据整理成行（矩阵），其中第1行、第2行等是数据，最后一行是类别。所以我开始写了这个代码：

reader = csv.reader(open('test.data', 'r'))
result = []
for row in reader:
    result.append(row)
print result

输出结果：

[['4.5', '3.5', 'U1'], ['4.5', '10.5', 'U2'], ['4.5', '6', 'U1'], ['3.5', '10.5', 'U2'], ['3.5', '10.5', 'U2'], ['5', '7', 'U1'], ['7', '6.5', 'U1']]

这一切都运行得不错，但现在我需要从这些数据中制作一个矩阵分类。在这种情况下，我想制作一个矩阵：

test data=[data1, data2,.....,class name1]
test data2=[data1, data2,.....,class name2]...

我需要这个“矩阵”(测试数据, 测试数据2)，因为我接下来会从每个测试数据中选择2/3的数据，这部分数据会被称为“选择的”，剩下的1/3数据必须保留在测试数据中，……

所以我需要的输出是：

choosen=[data,data,......class name1]         # 2/3 from every **test.data**
test data=[data1, data2,.....,class name1]    # other 1/3 from test data
test data2=[data1, data2,.....,class name1]   # other 1/3 from test data 2

.

. . . .

.

非常感谢你的帮助

---

编辑2：

如果我使用你的代码，我得到的是：

{
    'U1': [
              ['4.5','3.5'],
              ['4.5','6'],
              ['5','7'],
              ['7','6.5']
          ],
    'U2': [
              ['4.5','10.5'],
              ['3.5','10.5'],
              ['3.5','10.5']
          ]
}

但我并不是每次都有这些数据：

4.5,3.5,U1
4.5,10.5,U2
4.5,6,U1
3.5,10.5,U2
3.5,10.5,U2
5,7,U1
7,6.5,U1

我还有：

4.5,3.5,4.5,10.5, U1
3.5,10.5,3.5,10.5,U2
4.5,12.5,3.5,12.5,U2

...... （所以我不知道类别在第二行，就像你在代码中写的那样），但我知道最后一行是类别

那么我该如何修改你的代码：

reader = csv.reader(open('test.data', 'r'))
result = {}
for row in reader:
    uclass=row[2]                      #-------> must be last row not second !!!!
    if result.has_key(uclass):
        result[uclass].append([row[0],row[1]])   #---->not just 2 row's, on other data I have for example 5 rows..
    else:
        result[uclass]=[[row[0],row[1]]]        #---->not just 2 row's, on other data I have for example 5 rows..
print repr(result)

Answer 1

编辑： 原始代码片段已修改，以处理N列输入（最后一列是类别）。这个要求是在提问者后来的回复中提到的。

reader = csv.reader(open('test.data', 'r'))
result = {}
for row in reader:
    uclass=row[-1]
    if result.has_key(uclass):
        result[uclass].append(row[0:-1])
    else:
        result[uclass]=row[0:-1]
print repr(result)

我对你问题的后半部分仍然不是很确定。 也许你解释的方式缺少了一些东西。

如果我理解正确的话，你是想为每个类别准备一个不同的列表吗？

如果是这样的话，使用字典应该可以满足你的需求：

reader = csv.reader(open('test.data', 'r'))
result = {}
for row in reader:
    uclass=row[2]
    if result.has_key(uclass):
        result[uclass].append([row[0],row[1]])
    else:
        result[uclass]=[[row[0],row[1]]]
print repr(result)

结果看起来会像这样：

{
    'U1': [
              ['4.5','3.5'],
              ['4.5','6'],
              ['5','7'],
              ['7','6.5']
          ],
    'U2': [
              ['4.5','10.5'],
              ['3.5','10.5'],
              ['3.5','10.5']
          ]
}

对于跳过数据，你可以使用在较新版本的Python中提供的列表切片跳过选项：

someList[<start>:<end>:<skip>]

比如在一个列表上：

someList=[0,1,2,3,4,5,6,7,8,9]

使用跳过切片的方法，比如：

someList[0:10:2]

会得到：

[0,2,4,6,8]