python arff稀疏格式文件传pandas DataFrame

最新推荐文章于 2025-06-29 09:19:02 发布

杨树1026

最新推荐文章于 2025-06-29 09:19:02 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python 数据分析

本文链接：https://blog.youkuaiyun.com/u012155582/article/details/83992924

本文介绍如何使用Python将存储在ARFF稀疏格式的文件转换为Pandas DataFrame，以便进行数据分析和处理。内容包括解析ARFF文件结构、读取数据并将其有效地映射到DataFrame中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#ecoding=utf-8
import numpy as np
from scipy.sparse import csr_matrix
import pandas as pd
from xml.dom.minidom import parse

def read_sparse_arff(f_path , xml_path):
    #读文件
    f = open(f_path)
    f_data = f.read().split('@data')
    f.close()
    #解析数据列名
    column = [i.split(' ')[1] for i in  f_data[0].split('@attribute')[1:]]
    #解析数据
    row , col , data = [] , [] , []
    for l in enumerate(f_data[1].replace(' ' , ':').split('\n')[1:-1]):
        print(l)
        l_v_dict = eval(l[1])
        col.extend(l_v_dict.keys())
        data.extend(l_v_dict.values())
        row.extend([l[0] for i in range(len(l_v_dict))])
    arff_data = csr_matrix((data , (row , col)) , shape=(row[-1] + 1 , len(column)))
    arff_data = pd.DataFrame(arff_data.toarray() , columns=column)
    #解析label列名
    DOMTree = parse(xml_path)
    collection = DOMTree._get_documentElement()
    labels = collection.getElementsByTagName('label')
    labels = [l.getAttr