如何用np.genfromtxt()正确读取含引号内逗号的CSV并转换数据类型？

原代码的问题在于np.genfromtxt的delimiter=','会直接按逗号拆分所有内容，无法识别双引号包裹的含分隔符字段，导致"1,000"被拆分为两个字段。结合Python标准库的csv模块可以完美解决这个问题，同时完成数值转换，具体实现如下：

固定列数的解决方案 #

适用于已知CSV结构（如示例中的3列）的场景：

import numpy as np
import csv

def csv_opener(path):
    processed_data = []
    with open(path, 'r', newline='', encoding='utf-8') as csv_file:
        # csv.reader原生支持解析带引号的含分隔符字段
        csv_reader = csv.reader(csv_file)
        # 跳过表头（如果不需要表头可省略）
        next(csv_reader)
        
        for row in csv_reader:
            # 拆分字段，处理Price列：移除逗号后转整数
            item, color, price_str = row
            price = int(price_str.replace(',', ''))
            processed_data.append([item, color, price])
    
    # 转换为numpy结构化数组，指定各字段类型
    return np.array(processed_data, dtype=[('Item', 'U10'), ('Color', 'U10'), ('Price', int)])

使用示例 #

调用函数后可直接获取结构化数组，方便提取特定字段：

csv_data = csv_opener('your_file.csv')
print(csv_data)
# 输出：[('iPhone', 'Red', 1000) ('Galaxy', 'Black', 1100)]

# 提取Price列的数值
print(csv_data['Price'])
# 输出：[1000 1100]

通用化解决方案 #

如果CSV的列位置不固定（比如Price列可能在任意位置），可以通过表头自动定位目标列：

import numpy as np
import csv

def csv_opener(path):
    processed_data = []
    with open(path, 'r', newline='', encoding='utf-8') as csv_file:
        csv_reader = csv.reader(csv_file)
        headers = next(csv_reader)
        # 自动找到Price列的索引
        price_col_idx = headers.index('Price')
        
        for row in csv_reader:
            # 处理目标列的数值转换
            row[price_col_idx] = int(row[price_col_idx].replace(',', ''))
            processed_data.append(row)
    
    # 返回兼容多类型的numpy数组，或按需指定dtype
    return np.array(processed_data, dtype=object)

核心逻辑说明 #

1. 字段解析：csv.reader遵循RFC4180标准，会自动将双引号包裹的含逗号内容识别为单个字段，避免拆分错误。
2. 数值转换：通过replace(',', '')移除Price字段中的千位分隔符，再转换为整数（需浮点数则用float()）。
3. numpy集成：将处理后的列表转换为numpy数组，结构化数组类型可明确各字段的数据类型，便于后续数值计算。

内容的提问来源于stack exchange，提问作者Irohas