1
from numpy import loadtxt
from urllib.request import urlopen

url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data'
datos_np = urlopen(url)
dataset = loadtxt(datos_np, delimiter=",")
print(dataset.shape)

ValueError Traceback (most recent call last) in () 4 url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data' 5 datos_np = urlopen(url) ----> 6 dataset = loadtxt(datos_np, delimiter=",") 7 print(dataset.shape) 8

~\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\lib\npyio.py in loadtxt(fname, dtype, comments, delimiter, converters, skiprows, usecols, unpack, ndmin, encoding) 1099 # converting the data 1100 X = None -> 1101 for x in read_data(_loadtxt_chunksize): 1102 if X is None: 1103 X = np.array(x, dtype)

~\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\lib\npyio.py in read_data(chunk_size) 1026 1027 # Convert each value according to its column and store -> 1028 items = [conv(val) for (conv, val) in zip(converters, vals)] 1029 1030 # Then pack it according to the dtype's nesting

~\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\lib\npyio.py in (.0) 1026 1027 # Convert each value according to its column and store -> 1028 items = [conv(val) for (conv, val) in zip(converters, vals)] 1029 1030 # Then pack it according to the dtype's nesting

~\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\lib\npyio.py in floatconv(x) 744 if '0x' in x: 745 return float.fromhex(x) --> 746 return float(x) 747 748 typ = dtype.type

ValueError: could not convert string to float: 'M'

1 respuesta 1

-1

Si accedes a la URL que pones en la pregunta verás que obtienes un documento que comienza así:

M,0.455,0.365,0.095,0.514,0.2245,0.101,0.15,15
M,0.35,0.265,0.09,0.2255,0.0995,0.0485,0.07,7
F,0.53,0.42,0.135,0.677,0.2565,0.1415,0.21,9
M,0.44,0.365,0.125,0.516,0.2155,0.114,0.155,10
I,0.33,0.255,0.08,0.205,0.0895,0.0395,0.055,7
I,0.425,0.3,0.095,0.3515,0.141,0.0775,0.12,8

La primera columna está compuesta por letras, como M, F, etc. mientras que el resto de columnas son numéricas (flotantes, o un entero en el caso de la última). Intentas cargar estos datos con numpy.loadtxt, pero éste espera por defecto que todos los datos sean float, y de ahí el error, ya que "M" no puede ser interpretado como float.

Tienes dos soluciones. O bien le dices a loadtxt de qué tipo es cada columna (lo que te obliga también a darle un nombre a cada columna), o en vez de numpy usas pandas, que es capaz de "adivinar" por sí solo el tipo de cada columna.

Usando numpy:

url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data'
datos_np = urlopen(url)
dataset = loadtxt(datos_np, delimiter = ',',
                  dtype={'names': ('genero', 'c1', 'c2', 'c3', 'c4', 'c5', 'c6', 'c7', 'c8'),
                         'formats': ('U1', 'f4', 'f4','f4','f4','f4','f4','f4','i4')})
print(dataset)

array([('M', 0.455, 0.365, 0.095, 0.514 , 0.2245, 0.101 , 0.15 , 15),
       ('M', 0.35 , 0.265, 0.09 , 0.2255, 0.0995, 0.0485, 0.07 ,  7),
       ('F', 0.53 , 0.42 , 0.135, 0.677 , 0.2565, 0.1415, 0.21 ,  9), ...,
       ('M', 0.6  , 0.475, 0.205, 1.176 , 0.5255, 0.2875, 0.308,  9),
       ('F', 0.625, 0.485, 0.15 , 1.0945, 0.531 , 0.261 , 0.296, 10),
       ('M', 0.71 , 0.555, 0.195, 1.9485, 0.9455, 0.3765, 0.495, 12)],
      dtype=[('genero', '<U1'), ('c1', '<f4'), ('c2', '<f4'), ('c3', '<f4'), ('c4', '<f4'), ('c5', '<f4'), ('c6', '<f4'), ('c7', '<f4'), ('c8', '<i4')])

Usando Pandas (más simple aún pues no necesitas urlopen()):

import pandas as pd
url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data'
dataset = pd.read_csv(url, delimiter=",", header=None)
print(dataset.head())  # Imprime sólo las 5 primeras filas

   0      1      2      3       4       5       6      7   8
0  M  0.455  0.365  0.095  0.5140  0.2245  0.1010  0.150  15
1  M  0.350  0.265  0.090  0.2255  0.0995  0.0485  0.070   7
2  F  0.530  0.420  0.135  0.6770  0.2565  0.1415  0.210   9
3  M  0.440  0.365  0.125  0.5160  0.2155  0.1140  0.155  10
4  I  0.330  0.255  0.080  0.2050  0.0895  0.0395  0.055   7

Pandas te simplificará también la manipulación de estos datos. Si no lo conoces creo que puede merecerte la pena aprenderlo.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.