numpy.loadtxt #

麻木的。loadtxt ( fname、 dtype=<class 'float'>、 comments='#'、 delimiter=None、转换器=None、 skiprows=0、 usecols=None、 unpack=False、 ndmin=0、编码='bytes'、 max_rows =无, * , quotechar=无, like=无) [来源] #

从文本文件加载数据。

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。

dtype数据类型，可选

结果数组的数据类型；默认值：浮动。如果这是结构化数据类型，则生成的数组将是一维的，并且每一行将被解释为数组的一个元素。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。

注释str 或 str 序列或 None，可选

用于指示注释开始的字符或字符列表。 None 意味着没有评论。为了向后兼容，字节字符串将被解码为“latin1”。默认为“#”。

分隔符str，可选

用于分隔值的字符。为了向后兼容，字节字符串将被解码为“latin1”。默认为空白。

版本 1.23.0 中更改：仅支持单个字符分隔符。换行符不能用作分隔符。

转换器dict 或 callable，可选

转换器函数用于自定义值解析。如果转换器是可调用的，则该函数将应用于所有列，否则它必须是一个将列号映射到解析器函数的字典。有关更多详细信息，请参阅示例。默认值：无。

版本 1.23.0 中进行了更改：添加了传递单个可调用对象以应用于所有列的功能。

Skiprows int，可选

跳过第一行，包括注释；默认值：0。

usecols int 或序列，可选

要读取哪些列，0 为第一列。例如，将提取第 2、5 和 6 列。默认值“无”会导致读取所有列。usecols = (1,4,5)

在版本 1.11.0 中更改：当必须读取单个列时，可以使用整数而不是元组。例如，以同样的方式读取第四列。usecols = 3usecols = (3,)

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 = loadtxt(...)

ndmin整数，可选

返回的数组至少有ndmin维度。否则单维轴将被挤压。合法值：0（默认）、1 或 2。

1.6.0 版本中的新增功能。

编码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”启用向后兼容性解决方法，确保您在可能的情况下接收字节数组作为结果，并将“latin1”编码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。

max_rows int，可选

在skiprows行之后读取max_rows行内容。默认是读取所有行。请注意，不包含任何数据的空行（例如空行和注释行）不计入max_rows，而此类行计入Skiprows。

1.16.0 版本中的新增内容。

在版本 1.23.0 中更改：不包含数据的行，包括注释行（例如，以 '#' 开头或通过comments指定的行）不计入max_rows。

quotechar unicode 字符或 None，可选

用于表示引用项的开始和结束的字符。引用的项目中出现的分隔符或注释字符将被忽略。默认值为quotechar=None，这意味着禁用引用支持。

如果在带引号的字段中找到两个连续的quotechar实例，则第一个将被视为转义字符。请参阅示例。

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。

也可以看看

load, fromstring,fromregex
genfromtxt: 加载具有按指定处理的缺失值的数据。
scipy.io.loadmat: 读取 MATLAB 数据文件

笔记

此功能旨在成为简单格式文件的快速阅读器。该 genfromtxt函数提供了更复杂的处理，例如具有缺失值的行。

输入文本文件中的每一行必须具有相同数量的值才能读取所有值。如果所有行没有相同数量的值，则可以通过usecols指定列来读取最多 n 列的子集（其中 n 是所有行中存在的最少值数）。

1.10.0 版本中的新增内容。

Python float.hex 方法生成的字符串可用作浮点数的输入。

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', '<i4'), ('weight', '<f4')])

>>> 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.])

Converters参数用于指定在解析之前预处理文本的函数。转换器可以是一个字典，将预处理函数映射到每列：

>>> s = StringIO("1.618, 2.296\n3.141, 4.669\n")
>>> conv = {
...     0: lambda x: np.floor(float(x)),  # conversion fn for column 0
...     1: lambda x: np.ceil(float(x)),  # conversion fn for column 1
... }
>>> np.loadtxt(s, delimiter=",", converters=conv)
array([[1., 3.],
       [3., 5.]])

转换器可以是可调用的而不是字典，在这种情况下它应用于所有列：

>>> s = StringIO("0xDE 0xAD\n0xC0 0xDE")
>>> import functools
>>> conv = functools.partial(int, base=16)
>>> np.loadtxt(s, converters=conv)
array([[222., 173.],
       [192., 222.]])

此示例显示如何使用转换器将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=conv)
array([[ 10.01, -31.25],
       [ 19.22,  64.31],
       [-17.57,  63.94]])

使用可调用作为转换器对于处理具有不同格式的值特别有用，例如带下划线的浮点数：

>>> s = StringIO("1 2.7 100_000")
>>> np.loadtxt(s, converters=float)
array([1.e+00, 2.7e+00, 1.e+05])

这个想法可以扩展到自动处理以许多不同格式指定的值：

>>> def conv(val):
...     try:
...         return float(val)
...     except ValueError:
...         return float.fromhex(val)
>>> s = StringIO("1, 2.5, 3_000, 0b4, 0x1.4000000000000p+2")
>>> np.loadtxt(s, delimiter=",", converters=conv, encoding=None)
array([1.0e+00, 2.5e+00, 3.0e+03, 1.8e+02, 5.0e+00])

请注意，在默认情况下encoding="bytes"，转换器函数的输入是 latin-1 编码的字节字符串。要在转换之前停用隐式编码，请使用encoding=None

>>> s = StringIO('10.01 31.25-\n19.22 64.31\n17.57- 63.94')
>>> conv = lambda x: -float(x[:-1]) if x.endswith('-') else float(x)
>>> np.loadtxt(s, converters=conv, encoding=None)
array([[ 10.01, -31.25],
       [ 19.22,  64.31],
       [-17.57,  63.94]])

使用quotechar参数启用对带引号字段的支持。当注释和分隔符出现在由quotechar描述的引用项中时，它们将被忽略：

>>> s = StringIO('"alpha, #42", 10.0\n"beta, #64", 2.0\n')
>>> dtype = np.dtype([("label", "U12"), ("value", float)])
>>> np.loadtxt(s, dtype=dtype, delimiter=",", quotechar='"')
array([('alpha, #42', 10.), ('beta, #64',  2.)],
      dtype=[('label', '<U12'), ('value', '<f8')])

引用的字段可以用多个空格字符分隔：

>>> s = StringIO('"alpha, #42"       10.0\n"beta, #64" 2.0\n')
>>> dtype = np.dtype([("label", "U12"), ("value", float)])
>>> np.loadtxt(s, dtype=dtype, delimiter=None, quotechar='"')
array([('alpha, #42', 10.), ('beta, #64',  2.)],
      dtype=[('label', '<U12'), ('value', '<f8')])

带引号字段中的两个连续引号字符被视为单个转义字符：

>>> s = StringIO('"Hello, my name is ""Monty""!"')
>>> np.loadtxt(s, dtype="U", delimiter=",", quotechar='"')
array('Hello, my name is "Monty"!', dtype='<U26')

当所有行不包含相同数量的值时读取列的子集：

>>> d = StringIO("1 2\n2 4\n3 9 12\n4 16 20")
>>> np.loadtxt(d, usecols=(0, 1))
array([[ 1.,  2.],
       [ 2.,  4.],
       [ 3.,  9.],
       [ 4., 16.]])