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:file,str,或 pathlib.Path
要读取的文件,文件名或生成器。
如果文件扩展名是.gz或.bz2,
则首先将文件解压缩。 请注意,
生成器应返回字节字符串。
dtype:data-type, 可选
结果数组的数据类型; 默认值:float。
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:str 或 str的sequence, 可选
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“latin1”。
默认值为“#”。
delimiter:str, 可选
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“latin1”。 默认为空格。
converters:dict, 可选
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:
converters = {0:datestr2num}。
转换器也可以用于提供缺失数据的默认值
converters = {3:lambda s:float(s.strip()或0)}。
默认值:None。
skiprows:int, 可选
跳过第一行,包括注释; 默认值:0
usecols:int 或 sequence, 可选
要读取的列,第一列为0。 例如,usecols =(1,4,5)
将提取第二,第五和第六列。 默认值为“None”,
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,usecols = 3读取第四列的方式与
usecols =(3,)相同。
unpack:bool, 可选
如果为True,则对返回的数组进行转置,
以便可以使用x,y,z = loadtxt(...)解压缩参数。
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False。
ndmin:int, 可选
返回的数组将至少具有ndmin维。 否则,将挤压一维轴。
合法值:0(默认),1或2。
1.6.0版中的新功能。
encoding:str,可选
用于解码输入文件的编码。 不适用于输入流。
特殊值 ‘bytes’可实现向后兼容的解决方法,
可确保您尽可能接收字节数组作为结果,
并将“latin1”编码的字符串传递给转换器。
覆盖此值以接收unicode数组,
并将字符串作为输入传递给转换器。
如果设置为None,则使用系统默认值。
默认值为‘bytes’。
1.14.0版中的新功能。
max_rows:int, 可选
在行数之后读取max_rows内容行。 默认为读取所有行。
1.16.0版中的新功能。
返回值 :out:ndarray
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
>>> from io import StringIO # StringIO behaves like a file object
>>> c = StringIO("0 1\n2 3")
>>> np.loadtxt(c)
array([[0., 1.],
[2., 3.]])>>> d = StringIO("M 21 72\nF 35 58")
>>> np.loadtxt(d, dtype={'names': ('gender', 'age', 'weight'),
... 'formats': ('S1', 'i4', 'f4')})
array([(b'M', 21, 72.), (b'F', 35, 58.)],
dtype=[('gender', 'S1'), ('age', '
>>> c = StringIO("1,0,2\n3,0,4")
>>> x, y = np.loadtxt(c, delimiter=',', usecols=(0, 2), unpack=True)
>>> x
array([1., 3.])
>>> y
array([2., 4.])
本示例说明如何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)
...
>>> np.loadtxt(s, converters={0: conv, 1: conv})
array([[ 10.01, -31.25],
[ 19.22, 64.31],
[-17.57, 63.94]])