如何在Python中将CSV数据读取为含X特征与y目标的嵌套数组

嘿，这个需求其实挺 straightforward 的，我给你两种常用的实现方式，你可以根据自己的场景选：

方法一：用Python标准库csv（无需额外安装依赖） #

如果你的数据量不大，用Python自带的csv模块就足够了，步骤清晰好理解：

1. 导入csv模块
2. 打开CSV文件，逐行读取内容
3. 把每一行的字符串数据转换成float类型
4. 按照[[[x1, x2], [y]]]的结构组装数组

示例代码：

import csv

result = []
# 假设你的CSV文件名为data.csv，第一行是表头x1,x2,y
with open('data.csv', 'r') as f:
    reader = csv.DictReader(f)  # 用DictReader可以通过列名取数，更直观
    for row in reader:
        # 提取x1、x2并转成float，组成特征列表
        features = [float(row['x1']), float(row['x2'])]
        # 提取y并转成float，正负号会被保留
        target = [float(row['y'])]
        # 组装成需要的子数组，添加到结果里
        result.append([features, target])

print(result)

运行后就能得到你想要的嵌套数组结构啦。

方法二：用pandas（适合处理大数据，代码更简洁） #

如果你的CSV数据量比较大，或者平时习惯用pandas做数据处理，那这个方法更高效省心：

import pandas as pd

# 读取CSV文件，假设表头是x1,x2,y
df = pd.read_csv('data.csv')
# 用列表推导式快速生成目标结构
result = [[[row['x1'], row['x2']], [row['y']]] for _, row in df.iterrows()]

print(result)

pandas会自动识别数值型列并转成float类型，省去手动转换的步骤，代码更简洁。

小提示 #

• 确保你的CSV文件列名和代码里的x1、x2、y一致，如果列名不同，记得修改代码里的键名
• 如果CSV没有表头，方法一可以用csv.reader，通过索引（如row[0]、row[1]）取数；方法二可以加参数header=None，同样通过索引访问列

内容的提问来源于stack exchange，提问作者EngJb