使用Matplotlib和csv2rec设置数据类型

Question

我正在学习Matplotlib，想手动实现一个简单的线性回归。不过，在用csv2rec导入数据后，我在处理数据时遇到了问题。

data= matplotlib.mlab.csv2rec('KC_Filtered01.csv',delimiter=',')

x = data['list_price']
y = data['square_feet']

sumx = x.sum()
sumy = y.sum()

sumxSQ = sum([sq**2 for sq in x])
sumySQ = sum([sq**2 for sq in y])

我在读取一份房价列表，想计算这些房价的平方和。但是，当csv2rec从文件中读取房价时，它把这些值存储为int32类型。由于房价的平方和超过了32位整数的范围，所以出现了溢出的问题。不过，我找不到在csv2rec读取文件时更改数据类型的方法。我该如何在读取或分配数组时更改数据类型呢？

Answer 1

你可以用一个叫做 numpy.loadtxt 的函数来读取数据，这个函数和 mlab.csv2rec 功能相似。它有一个参数可以让你指定数据的类型。你可以在这里查看它的详细说明：documentation。

如果你想处理列名（就像你示例代码中那样），可以使用 numpy.genfromtxt 这个函数。它和 loadtxt 类似，但提供了更多选项，比如可以从文件的第一行读取列名（通过设置 names = True）。详细说明可以查看这里：documentation。

下面是它的使用示例：

In [9]:
import numpy as np
from StringIO import StringIO
data = StringIO("a, b, c\n 1, 2, 3\n 4, 5, 6")
np.genfromtxt(data, names=True, dtype = 'int64', delimiter = ',')

Out[9]: 
array([(1L, 2L, 3L), (4L, 5L, 6L)], 
      dtype=[('a', '<i8'), ('b', '<i8'), ('c', '<i8')])

---

还有一点要提到的是，当你使用 numpy 数组时，不需要使用 for 循环。比如要计算平方，你可以直接这样做：

xSQ = x**2
sumxSQ = xSQ.sum()

或者用一行代码实现：

sumxSQ = numpy.sum(x**2)

Answer 2

x = data['list_price'].astype('int64')

同样的道理也适用于 y。

另外，csv2rec 有一个叫 converterd 的参数：http://matplotlib.sourceforge.net/api/mlab_api.html#matplotlib.mlab.csv2rec