如何用Python的NumPy提取CSV特定数据并统计符合条件样本点

步骤1：读取CSV文件到NumPy结构化数组 #

用numpy.genfromtxt读取CSV，明确指定表头和数据类型，确保OBJECTID和SEGMENT被解析为整数，避免后续运算出错：

import numpy as np

# 读取CSV文件，delimiter根据实际分隔符调整（此处假设为逗号）
data = np.genfromtxt(
    'your_data.csv',
    delimiter=',',
    names=True,  # 将第一行作为列名读取
    dtype=[('OBJECTID', 'i4'), ('SEGMENT', 'i4'), ('LATDD', 'f8'), ('LONDD', 'f8')]
)

步骤2：筛选并统计符合条件的样本 #

通过布尔索引筛选OBJECTID为奇数且SEGMENT为奇数的样本，再用np.sum统计数量：

# 生成筛选掩码
mask = (data['OBJECTID'] % 2 == 1) & (data['SEGMENT'] % 2 == 1)
# 统计符合条件的样本数
count = np.sum(mask)
print(f"符合条件的样本点数量：{count}")

针对你提供的数据集验证 #

观察你给出的所有样本：

• 所有SEGMENT值（19574、19610、22222、25658、25830）均为偶数
• 因此没有同时满足OBJECTID和SEGMENT都为奇数的样本，最终统计结果为0

常见问题排查 #

若你之前尝试时出错，大概率是数据类型问题：

• 未指定dtype时，NumPy可能将OBJECTID和SEGMENT解析为字符串，此时%运算会直接报错
• 读取时必须明确指定整数类型（i4表示32位整数），才能正常进行奇偶判断

内容的提问来源于stack exchange，提问作者Nick Sleeper