用于机器学习算法的Python csv流
提问于 2017-05-29 10:23:17
目前我有一个很大的CSV文件(大约5 5GB)，我试图逐行读取整个文件，并尝试应用最典型的算法(SVM、朴素贝叶斯、线性回归等)。
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import csv
i_f = open('top2Mmm.csv', 'r' )
reader = csv.reader( i_f, delimiter = ';' )
for row in reader:
print("Fila ->", row)我刚刚阅读了CSV，但我不知道如何每一行都建立一个模型。我从一个较小的文件开始，以加快这个过程，但我不知道如何让这个过程正常工作。有什么线索或提示吗？
回答 2
Stack Overflow用户
发布于 2017-05-29 10:48:09
您可以使用Pandas Dataframe对象加载CSV，并以这种方式操作数据。
如果需要，您还可以遍历数据帧。
df = pd.read_csv('top2Mmm.csv', sep=';')
for index, row in train.iterrows():
print(row['fieldName'])Stack Overflow用户
发布于 2017-05-29 10:48:14
将数据(行)分成要素(X)和标签(Y)。然后，您可以将它们应用于，例如，SVM。
from sklearn.svm import SVC
clf = SVC()
clf.fit(X, y)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/44240145
复制相关文章
点击加载更多
腾讯云开发者
