我并不是想聪明或快速地做到这一点,只是想完全做到这一点。
我有一个如下所示的文件:
$ cat all_user_token_counts.csv
@5raphaels,in,15
@5raphaels,for,15
@5raphaels,unless,11
@5raphaels,you,11
我知道它是 unicode utf-8 编码的,因为我创建了它,就像这样
debug('opening ' + ALL_USER_TOKEN_COUNTS_FILE)
file = codecs.open(ALL_USER_TOKEN_COUNTS_FILE, encoding="utf-8",mode= "w")
for (user, token) in tokenizer.get_tokens_from_all_files():
#... count tokens ..
file.write(unicode(username +","+ token +","+ str(count) +"\r\n"))
我想将它读入一个 numpy 数组,所以它看起来像这样,或者其他东西..
array([[u'@5raphaels', u'in', 15],
[u'@5raphaels', u'for', 11],
[u'@5raphaels', u'unless', 11]],
dtype=('<U10', '<U10', int))
当我在写这个问题的过程中进行实验时,我发现这甚至可能不可能?如果是这样,我很想知道!
提前致谢!