正如其他人所提到的,对于一个很大的文件,最好不进行迭代。
但是,出于各种原因,您通常确实希望将整个内容存储在内存中。
genfromtxt效率要低得多loadtxt(尽管它可以处理丢失的数据,而效率更高,但loadtxt“精益求精”,这就是两个函数共存的原因)。
如果您的数据非常规则(例如,所有相同类型的简单分隔行),也可以使用进行改进numpy.fromiter。
如果您有足够的内存,请考虑使用np.loadtxt('yourfile.txt', delimiter=',')(您可能还需要指定skiprows文件上是否有标头。)
作为快速比较,loadtxt在峰值使用情况下,使用〜900MB的RAM 加载约500MB的文本文件,而使用〜2.5GB的加载相同的文件genfromtxt。
Loadtxt 加载约500MB ASCII文件时numpy.loadtxt的内存和CPU使用情况
Genfromtxt 加载约500MB ASCII文件时numpy.genfromtxt的内存和CPU使用率
或者,考虑类似以下的内容。它仅适用于非常简单的常规数据,但速度非常快。(loadtxt并ge