Python报错：KeyError: b'Iris-setosa'，numpy.loadtext()读取鸢尾花数据集，Python字符串前 ’u‘、‘r’、’b‘作用

读取鸢尾花数据集时报错：KeyError: b’Iris-setosa’

解决方式：在字符串前加 ‘b’

附：

1. 鸢尾花数据集介绍（csdn下载数据集）

数据集内包含 3 类鸢尾花，分别为山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica）。每类各 50 个数据，每条记录有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度。数据格式如下：

2. 使用 numpy 模块的 loadtxt() 函数读取数据，split() 函数切分数据

import numpy as np

def iris_type(s):
    it = {b'Iris-setosa': 0, b'Iris-versicolor': 1, b'Iris-virginica': 2}
    return it[s]

path = 'iris.data'
data = np.loadtxt(path, dtype=float, delimiter=',', converters={4: iris_type})
x, y = np.split(data, (4,), axis=1)
print('x=\n',x)
print('y=\n',y)

分析：

1）numpy.loadtxt() 函数：

• dtype=float，以浮点数类型读取数据集

• delimiter=’,’，以 ‘,’ 分隔符读取数据

• converters={4: iris_type}，对读取的数据进行预处理，自定义 iris_type() 函数，将第 4 列（从第 0 列开始）数据通过字典将各类鸢尾花映射为数字 0,1,2。

• 其余参数：

  loadtxt(fname, dtype=, comments=’#’, delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding=‘bytes’)

  • fname，文件路径
  • comments，跳过comments参数开头的行（如 linux 系统的配置文件中用于说明的行一般用“#”开头，可用comments参数进行跳过）
  • skiprows，跳过的行数
  • usecols，指定读取的列
  • unpack，选择是否将数据进行向量输出，默认False，即将数据逐行输出；设置为True时，数据将逐列输出
  • encoding，读取文件使用的编码格式

2）numpy.split() 函数：

• (4,)，切分位置，前 4 列为一组数据 x，其余为一组数组 y。
• axis=1，默认为0，横向切分；为1时，纵向切分。

3. Python 在字符串前加 ’u‘、‘r’、’b‘ 的作用

1）字符串前加 ’u‘

• 后面字符串以 Unicode 格式进行编码，一般用在中文字符串前面，防止乱码。

2）字符串前加 ‘r’

• 声明后面的字符串是普通字符串，防止特殊字符串自带功能生效，如 ’\n‘、’\t‘，一般用在正则表达式、文件路径中使用。

• 示例：

  str1 = r'a\nb'
  print(str1)
  

  a\nb
  

3）字符串前加 ’b‘

• ’b‘ 前缀代表 bytes（字节串），Python3 中默认 str（字符串）为Unicode 编码。