numpy.genfromtxt #

麻木的。genfromtxt ( fname、 dtype=<class 'float'>、 comments='#'、 delimiter=None、 skip_header=0、 skip_footer=0、转换器=None、 missing_values=None、 filling_values=None、 usecols=None、名称=None、 exceptlist=None、 deletechars=" !#$%&'()*+、 -./:;<=>?@[\\]^{|}~"、 Replace_space='_'、 autostrip=False、 case_sensitive=True、 defaultfmt='f%i'、 unpack=None、 usemask=False、 loose=True、 invalid_raise=True、 max_rows=None、 encoding='bytes'、 *、 ndmin=0、 like=None）[来源] #

从文本文件加载数据，并按指定处理缺失值。

第一个skip_header行之后的每一行在分隔符处被分割，并且注释字符后面的字符被丢弃。

参数：

fname文件、str、pathlib.Path、str 列表、生成器: 要读取的文件、文件名、列表或生成器。如果文件扩展名是.gz或.bz2，则首先解压缩该文件。请注意，生成器必须返回字节或字符串。列表中的字符串或生成器生成的字符串被视为行。
数据类型数据类型，可选: 结果数组的数据类型。如果为“无”，则数据类型将分别由每列的内容确定。
注释str，可选: 用于指示注释开始的字符。注释后一行中出现的所有字符都将被丢弃。
分隔符str、int 或序列，可选: 用于分隔值的字符串。默认情况下，任何连续的空格都充当分隔符。还可以提供整数或整数序列作为每个字段的宽度。
Skiprows int，可选: Skiprows在 numpy 1.10 中被删除。请改用skip_header。
Skip_header int，可选: 在文件开头要跳过的行数。
Skip_footer int，可选: 文件末尾要跳过的行数。
转换器变量，可选: 将列数据转换为值的函数集。转换器还可用于为缺失数据提供默认值：。converters = {3: lambda s: float(s or 0)}
缺失变量，可选: Missing在 numpy 1.10 中被删除。请改用missing_values 。
Missing_values变量，可选: 与缺失数据相对应的字符串集。
fill_values变量，可选: 数据丢失时用作默认值的一组值。
usecols序列，可选: 要读取哪些列，0 为第一列。例如，将提取第 2、5 和 6 列。usecols = (1, 4, 5)
名称{None、True、str、sequence}，可选: 如果names为True，则从第一个skip_header行之后的第一行读取字段名称。该行前面可以选择添加注释分隔符。如果名称是逗号分隔名称的序列或单字符串，则这些名称将用于定义结构化数据类型中的字段名称。如果名称为 None，则将使用 dtype 字段的名称（如果有）。
排除列表序列，可选: 要排除的名称列表。该列表附加到默认列表 ['return','file','print']。排除的名称附加下划线：例如，file将变为file_。
deletechars str，可选: 包含必须从名称中删除的无效字符的字符串。
defaultfmt str，可选: 用于定义默认字段名称的格式，例如“f%i”或“f_%02i”。
autostrip布尔值，可选: 是否自动从变量中go除空格。
Replace_space字符，可选: 用于替换变量名称中的空格的字符。默认情况下，使用“_”。
case_sensitive {True, False, 'upper', 'lower'}, 可选: 如果为 True，则字段名称区分大小写。如果为 False 或“upper”，则字段名称将转换为大写。如果为“lower”，则字段名称将转换为小写。
解包bool, 可选: 如果为 True，则返回的数组将被转置，以便可以使用来解压缩参数。当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。x, y, z = genfromtxt(...)
usemask布尔值，可选: 如果为 True，则返回一个掩码数组。如果为 False，则返回一个常规数组。
松散布尔值，可选: 如果为 True，则不会引发无效值的错误。
invalid_raise布尔值，可选: 如果为 True，则如果检测到列数不一致，则会引发异常。如果为 False，则会发出警告并跳过有问题的行。
max_rows int，可选: 要读取的最大行数。不得与skip_footer 同时使用。如果给定，该值必须至少为 1。默认值是读取整个文件。

1.10.0 版本中的新增内容。
编码str，可选: 用于解码输入文件的编码。当fname是文件对象时不适用。特殊值“bytes”启用向后兼容的解决方法，确保您在可能的情况下接收字节数组并将 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“无”，则使用系统默认值。默认值为“字节”。

1.14.0 版本中的新增功能。
ndmin整数，可选: 参数相同loadtxt

1.23.0 版本中的新增功能。
类似array_like，可选: 允许创建非 NumPy 数组的引用对象。如果传入的类似数组like支持__array_function__协议，则结果将由它定义。在这种情况下，它确保创建一个与通过此参数传入的数组对象兼容的数组对象。

1.20.0 版本中的新增功能。

返回：

输出数组: 从文本文件中读取的数据。如果usemask为 True，则这是一个掩码数组。

也可以看看

numpy.loadtxt: 当没有数据丢失时的等效函数。

笔记

当使用空格作为分隔符时，或者没有指定分隔符作为输入时，两个字段之间不应缺少任何数据。
当变量被命名时（通过灵活的数据类型或名称），文件中不能有任何标头（否则会引发 ValueError 异常）。
默认情况下，单个值不会go除空格。使用自定义转换器时，请确保该函数确实删除了空格。

参考

[ 1 ]

NumPy 用户指南，NumPy 的 I/O部分。

例子

>>> from io import StringIO
>>> import numpy as np

具有混合数据类型的逗号分隔文件

>>> s = StringIO(u"1,1.3,abcde")
>>> data = np.genfromtxt(s, dtype=[('myint','i8'),('myfloat','f8'),
... ('mystring','S5')], delimiter=",")
>>> data
array((1, 1.3, b'abcde'),
      dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', 'S5')])

使用 dtype = None

>>> _ = s.seek(0) # needed for StringIO example only
>>> data = np.genfromtxt(s, dtype=None,
... names = ['myint','myfloat','mystring'], delimiter=",")
>>> data
array((1, 1.3, b'abcde'),
      dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', 'S5')])

指定数据类型和名称

>>> _ = s.seek(0)
>>> data = np.genfromtxt(s, dtype="i8,f8,S5",
... names=['myint','myfloat','mystring'], delimiter=",")
>>> data
array((1, 1.3, b'abcde'),
      dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', 'S5')])

固定宽度列的示例

>>> s = StringIO(u"11.3abcde")
>>> data = np.genfromtxt(s, dtype=None, names=['intvar','fltvar','strvar'],
...     delimiter=[1,3,5])
>>> data
array((1, 1.3, b'abcde'),
      dtype=[('intvar', '<i8'), ('fltvar', '<f8'), ('strvar', 'S5')])

显示评论的示例

>>> f = StringIO('''
... text,# of chars
... hello world,11
... numpy,5''')
>>> np.genfromtxt(f, dtype='S12,S12', delimiter=',')
array([(b'text', b''), (b'hello world', b'11'), (b'numpy', b'5')],
  dtype=[('f0', 'S12'), ('f1', 'S12')])