sklearn-加载数据

加载数据

• 一般输入的数据是一个矩阵或CSV文件；
• 将数据加载到内存中；
• 可以是网络上的数据，比方说UCI机器学习数据仓库也可以是保存在本地的文件。

网络数据仓库

scikit-learn的实现使用了NumPy中的arrays，所以，我们要使用NumPy来载入csv文件。
以下是从UCI机器学习数据仓库中下载的数据。

import numpy as np 
import urllib 
# url with dataset 
url = "http://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data" 
# download the file 下载文件
raw_data = urllib.request.urlopen(url) 
# load the CSV file as a numpy matrix 
dataset = np.loadtxt(raw_data, delimiter=",") 
# separate the data from the target attributes 
X = dataset[:,0:7] 
y = dataset[:,8]

以上从url下载数据，然后将数据文件（CSV）作为一个numpy矩阵加载到内存中，并将特征矩阵作为X，目标变量作为y。

加载本地文件

如果是本地的文件，可以使用np.loadtxt加载

import numpy as np
#加载本地工作空间的文件‘iris.txt’
np.loadtxt('iris.txt',delimiter=',', dtype=<type 'float'>, comments='#', converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)

np.loadtxt方法的参数可以参考官方文档：
https://docs.scipy.org/doc/numpy/reference/generated/numpy.loadtxt.html

保存数据

使用np.savetxt保存数据文件，同样需要指明必要的参数

np.savetxt（'iris.txt',delimiter=','）