pandas numpy csv中每一行第二、第四、第六个数按行输入至数组

可以使用 Pandas 和 Numpy 库来读取 CSV 文件并将每一行的第二、第四、第六个数按行输入至数组中。

首先，使用 Pandas 库的 `read_csv()` 函数来读取 CSV 文件并将其转换为 Pandas DataFrame 对象：

import pandas as pd

df = pd.read_csv('file.csv')

然后，使用 Pandas DataFrame 对象的 `iloc[]` 方法来获取每一行的第二、第四、第六个数。`iloc[]` 方法接受两个参数，第一个参数指定行索引，第二个参数指定列索引，索引从 0 开始。

import pandas as pd

df = pd.read_csv('file.csv')

# 获取每一行的第二、第四、第六个数
arr = df.iloc[:, [1, 3, 5]].values

最后，使用 Numpy 库的 `array()` 函数将 Pandas DataFrame 对象转换为 Numpy 数组。

完整代码示例：

import pandas as pd
import numpy as np

df = pd.read_csv('file.csv')

# 获取每一行的第二、第四、第六个数
arr = df.iloc[:, [1, 3, 5]].values

# 将 Pandas DataFrame 对象转换为 Numpy 数组
arr = np.array(arr)

print(arr)

相关问题

将m*n维的numpy数组转化为字典，其中每一行第一个值为索引，后面为为numpy数组，利用pandas实现

可以使用 pandas 实现该操作，具体代码如下：

import pandas as pd
import numpy as np

# 创建一个 3x4 的numpy数组
arr = np.array([[1,2,3,4], [2,4,6,8], [3,6,9,12]])

# 将数组转化为 DataFrame
df = pd.DataFrame(arr)

# 将第一列设置为索引列
df.set_index(0, inplace=True)

# 将 DataFrame 转化为字典
result_dict = df.apply(lambda x: x.values.tolist(), axis=1).to_dict()

print(result_dict)

输出结果为：

{1: [2, 3, 4], 2: [4, 6, 8], 3: [6, 9, 12]}

其中，字典的 key 对应着第一列的数值，value 为一个列表，对应着该行的后面几列的数值。

将m*n维的numpy数组转化为dataframe，其中每一行第一个值为索引，后面为为numpy数组，利用pandas实现

可以使用 pandas 实现该操作，具体代码如下：

import pandas as pd
import numpy as np

# 创建一个 3x4 的numpy数组
arr = np.array([[1,2,3,4], [2,4,6,8], [3,6,9,12]])

# 将数组转化为 DataFrame
df = pd.DataFrame(arr)

# 将第一列设置为索引列
df.set_index(0, inplace=True)

# 重命名列名
df.columns = ['value1', 'value2', 'value3']

print(df)

输出结果为：

   value1  value2  value3
0                        
1       2       3       4
2       4       6       8
3       6       9      12

其中，第一列作为索引列，后续列作为数值列。