将CSV记录转换为tensor。 每列映射到一tensor。

语法：

tf.io.decode_csv(
    records, record_defaults, field_delim=',', use_quote_delim=True, na_value='',
    select_cols=None, name=None
)

常用参数：

records: string类型的tensor， 每个字符串都是csv中的一个记录/行，所有记录都应该具有相同的格式。

record_defaults:具有特定类型的Tensor对象列表。可接受的类型是float32，float64，int32，int64，string。

field_delim: 一个可选的字符串，默认为“，”，分隔记录中字段的字符分隔符。

返回：

tensor对象的列表。 具有与record_defaults相同的类型。 每个tensor将具有与记录相同的shape。

异常：

ValueError: 如果任何参数格式不正确。

示例：

作用是解析csv文件，接下来举例说明如何使用decode_csv来把一个由“，”分隔的csv字符串解析成各个值的。

1、

sample_str = '1,2,3,4,5'
record_defaults = [tf.constant(0, dtype=tf.int32)] * 5
parsed_fields = tf.io.decode_csv(sample_str, record_defaults)
print(parsed_fields)

[<tf.Tensor: id=24, shape=(), dtype=int32, numpy=1>, <tf.Tensor: id=25, shape=(), dtype=int32, numpy=2>, <tf.Tensor: id=26, shape=(), dtype=int32, numpy=3>, <tf.Tensor: id=27, shape=(), dtype=int32, numpy=4>, <tf.Tensor: id=28, shape=(), dtype=int32, numpy=5>]

2、

sample_str = '1,2,3,4,5'
record_defaults = [
    tf.constant(0, dtype=tf.int32),
    0,
    np.nan,
    "hello",
    tf.constant([])
]
parsed_fields = tf.io.decode_csv(sample_str, record_defaults)
print(parsed_fields)

[<tf.Tensor: id=35, shape=(), dtype=int32, numpy=1>, <tf.Tensor: id=36, shape=(), dtype=int32, numpy=2>, <tf.Tensor: id=37, shape=(), dtype=float32, numpy=3.0>, <tf.Tensor: id=38, shape=(), dtype=string, numpy=b'4'>, <tf.Tensor: id=39, shape=(), dtype=float32, numpy=5.0>]

3、给空值

record_defaults = [
    tf.constant(0, dtype=tf.int32),
    0,
    np.nan,
    "hello",
    tf.constant([])
]

try:
    parsed_fields = tf.io.decode_csv(',,,,', record_defaults)
except tf.errors.InvalidArgumentError as ex:
    print(ex)

 Field 4 is required but missing in record 0! [Op:DecodeCSV]

 4、给出相对于record_defaults更多的fields

record_defaults = [
    tf.constant(0, dtype=tf.int32),
    0,
    np.nan,
    "hello",
    tf.constant([])
]
try:
    parsed_fields = tf.io.decode_csv('1,2,3,4,5,6,7', record_defaults)
except tf.errors.InvalidArgumentError as ex:
    print(ex)

Expect 5 fields but have 7 in record 0 [Op:DecodeCSV]