numpy.loadtxt
numpy.loadtxt(fname, dtype=, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None)[source]
从文本文件加载数据。
文本文件中的每一行必须具有相同数量的值。
参数 ： | fname： 要读取的文件，文件名或生成器。 如果文件扩展名是 则首先将文件解压缩。 请注意， 生成器应返回字节字符串。 dtype： 结果数组的数据类型； 默认值： 如果这是结构化数据类型， 则结果数组将为一维，并且每一行将被解释为数组的元素。 在这种情况下，使用的列数必须与数据类型中的字段数匹配。 comments： 用于指示注释开始的字符或字符列表。 无表示无评论。 为了向后兼容，字节字符串将被解码为 默认值为 delimiter： 用于分隔值的字符串。 为了向后兼容， 字节字符串将被解码为 converters： 将列号映射到函数的字典， 该函数会将列字符串解析为所需的值。 例如， 如果第0列是日期字符串：
转换器也可以用于提供缺失数据的默认值 （但另请参见 genfromtxt）：
默认值： skiprows： 跳过第一行，包括注释； 默认值： usecols： 要读取的列，第一列为 将提取第二，第五和第六列。 默认值为 将导致读取所有列。在版本1.11.0中进行了更改： 当必须读取单个列时，可以使用整数而不是元组。 例如，
unpack： 如果为True，则对返回的数组进行转置， 以便可以使用 与结构化数据类型一起使用时，将为每个字段返回数组。 默认值为 ndmin： 返回的数组将至少具有ndmin维。 否则，将挤压一维轴。 合法值： 1.6.0版中的新功能。 encoding： 用于解码输入文件的编码。 不适用于输入流。 特殊值 可确保您尽可能接收字节数组作为结果， 并将 覆盖此值以接收 并将字符串作为输入传递给转换器。 如果设置为 默认值为 1.14.0版中的新功能。 max_rows： 在行数之后读取 1.16.0版中的新功能。 |
返回值 ： | out： 从文本文件读取数据。 |
Notes
此功能旨在成为简单格式文件的快速阅读器。genfromtxt函数可对例如缺少值的行进行更复杂的处理。
1.10.0版中的新功能。
Python float.hex方法产生的字符串可用作float的输入。
例子
1）从文件中加载简单的数据
import numpy as np
# 生成 data.txt 文件
with open('data.txt', 'w') as file:
file.write('1.0 2.0 3.0\n')
file.write('4.0 5.0 6.0\n')
file.write('7.0 8.0 9.0\n')
data = np.loadtxt('data.txt')
print(data)
2）指定数据类型
import numpy as np
# 生成 data.txt 文件
with open('data.txt', 'w') as file:
file.write('1.0 2.0 3.0\n')
file.write('4.0 5.0 6.0\n')
file.write('7.0 8.0 9.0\n')
data = np.loadtxt('data.txt', dtype=float)
print(data)
3）跳过行和选择列
import numpy as np
# 生成 data.txt 文件
with open('data.txt', 'w') as file:
file.write('1.0 2.0 3.0\n')
file.write('4.0 5.0 6.0\n')
file.write('7.0 8.0 9.0\n')
data = np.loadtxt('data.txt', skiprows=1, usecols=(0, 2))
print(data)
4）使用分隔符
import numpy as np
# 生成 data.csv 文件
with open('data.csv', 'w') as file:
file.write('1.0, 2.0, 3.0\n')
file.write('4.0, 5.0, 6.0\n')
file.write('7.0, 8.0, 9.0\n')
data = np.loadtxt('data.csv', delimiter=',')
print(data)
5）读取特定的行数
import numpy as np
# 生成 data.txt 文件
with open('data.txt', 'w') as file:
file.write('1.0 2.0 3.0\n')
file.write('4.0 5.0 6.0\n')
file.write('7.0 8.0 9.0\n')
data = np.loadtxt('data.txt', max_rows=2)
print(data)
6）使用转换器
import numpy as np
# 生成 data_with_strings.txt 文件
with open('data_with_strings.txt', 'w') as file:
file.write('1.0 2.0 3.0\n')
file.write('4.0 A 6.0\n')
file.write('7.0 8.0 9.0\n')
def converter(value):
if value == b'A':
return 5.0
return float(value)
data = np.loadtxt('data_with_strings.txt', converters={1: converter})
print(data)7）使用示例
import numpy as np
from io import StringIO
# 示例1：简单的字符串数据加载
c = StringIO("0 1\n2 3")
data1 = np.loadtxt(c)
print("Example 1:\n", data1)
# 示例2：带有指定dtype的字符串数据加载
d = StringIO("M 21 72\nF 35 58")
data2 = np.loadtxt(d, dtype={'names': ('gender', 'age', 'weight'),
'formats': ('S1', 'i4', 'f4')})
print("\nExample 2:\n", data2)
# 示例3：使用分隔符并选择特定列
c = StringIO("1,0,2\n3,0,4")
x, y = np.loadtxt(c, delimiter=',', usecols=(0, 2), unpack=True)
print("\nExample 3:")
print("x:", x)
print("y:", y)
# 示例4：使用转换器将带有尾随减号的字段转换为负数
s = StringIO('10.01 31.25-\n19.22 64.31\n17.57- 63.94')
def conv(fld):
return -float(fld[:-1]) if fld.endswith(b'-') else float(fld)
data4 = np.loadtxt(s, converters={0: conv, 1: conv})
print("\nExample 4:\n", data4)