numpy.loadtxt#
- numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding=None, max_rows=None, *, quotechar=None, like=None)[source]#
从文本文件加载数据。
- 参数::
- fname文件,字符串,pathlib.Path,字符串列表,生成器
要读取的文件、文件名、列表或生成器。如果文件名扩展名为
.gz
或.bz2
,则文件首先解压缩。请注意,生成器必须返回字节或字符串。列表中的字符串或由生成器产生的字符串被视为行。- dtype数据类型,可选
结果数组的数据类型;默认:float。如果这是一个结构化数据类型,则结果数组将是一维的,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。
- comments字符串或字符串序列或 None,可选
用于指示注释开始的字符或字符列表。None 表示没有注释。为了向后兼容,字节字符串将被解码为 ‘latin1’。默认值为 ‘#’。
- delimiter字符串,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’。默认值为空格。
版本 1.23.0 中已更改: 仅支持单个字符分隔符。换行符不能用作分隔符。
- converters字典或可调用对象,可选
转换器函数,用于自定义值解析。如果 converters 是可调用对象,则该函数将应用于所有列,否则它必须是一个字典,将列号映射到解析器函数。有关更多详细信息,请参见示例。默认:None。
版本 1.23.0 中已更改: 添加了传递单个可调用对象以应用于所有列的功能。
- skiprows整数,可选
跳过前 skiprows 行,包括注释;默认:0。
- usecols整数或序列,可选
要读取的列,其中 0 表示第一列。例如,
usecols = (1,4,5)
将提取第 2、第 5 和第 6 列。默认值 None 将导致读取所有列。版本 1.11.0 中已更改: 当需要读取单个列时,可以使用整数而不是元组。例如
usecols = 3
读取第四列,与usecols = (3,)
一样。- unpack布尔值,可选
如果为 True,则返回的数组将被转置,以便可以使用
x, y, z = loadtxt(...)
解包参数。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。- ndmin整数,可选
返回的数组将至少具有 ndmin 个维度。否则,一维轴将被压缩。合法值:0(默认)、1 或 2。
版本 1.6.0 中的新功能。
- encoding字符串,可选
用于解码输入文件的编码。不适用于输入流。特殊值 ‘bytes’ 启用向后兼容的解决方法,以确保您尽可能收到字节数组作为结果,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’。
版本 1.14.0 中的新功能。
版本 2.0 中已更改: 在 NumPy 2 之前,默认值为
'bytes'
,用于 Python 2 兼容性。现在,默认值为None
。- max_rows整数,可选
在 skiprows 行之后读取 max_rows 行内容。默认值为读取所有行。请注意,不包含数据的空行,如空行和注释行,不计入 max_rows,而此类行计入 skiprows。
版本 1.16.0 中的新功能。
版本 1.23.0 中已更改: 不包含数据的行,包括注释行(例如,以 ‘#’ 开头的行或通过 comments 指定的行),不计入 max_rows。
- quotecharUnicode 字符或 None,可选
用于表示带引号项的开头和结尾的字符。带引号项中的分隔符或注释字符将被忽略。默认值为
quotechar=None
,这意味着禁用引号支持。如果在带引号的字段中发现两个连续的 quotechar 实例,则第一个被视为转义字符。请参见示例。
版本 1.23.0 中的新功能。
- like类数组,可选
参考对象,允许创建非 NumPy 数组的数组。如果作为
like
传入的类数组支持__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。版本 1.20.0 中的新功能。
- 返回值::
- outndarray
从文本文件读取的数据。
参见
load
,fromstring
,fromregex
genfromtxt
加载数据,并根据指定内容处理缺失值。
scipy.io.loadmat
读取 MATLAB 数据文件
注释
此函数旨在成为简单格式文件的快速读取器。函数
genfromtxt
提供了对例如包含缺失值的行的更复杂的处理。输入文本文件中的每一行必须具有相同的值数量才能读取所有值。如果所有行不具有相同的值数量,则可以通过使用 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小值数量)。
版本 1.10.0 中的新功能。
Python float.hex 方法生成的字符串可以用作浮点数的输入。
示例
>>> import numpy as np >>> 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 参数用于指定函数,以在解析之前预处理文本。 converters 可以是一个字典,将预处理函数映射到每一列
>>> 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.]])
converters 可以是可调用对象而不是字典,在这种情况下,它将应用于所有列
>>> s = StringIO("0xDE 0xAD\n0xC0 0xDE") >>> import functools >>> conv = functools.partial(int, base=16) >>> np.loadtxt(s, converters=conv) array([[222., 173.], [192., 222.]])
此示例显示了如何使用 converters 将具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("-") else float(fld) ... >>> np.loadtxt(s, converters=conv) array([[ 10.01, -31.25], [ 19.22, 64.31], [-17.57, 63.94]])
使用可调用对象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多种不同格式指定的值,例如十六进制值
>>> 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) array([1.0e+00, 2.5e+00, 3.0e+03, 1.8e+02, 5.0e+00])
或者
-
符号出现在数字之后的格式>>> 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) array([[ 10.01, -31.25], [ 19.22, 64.31], [-17.57, 63.94]])
对带引号的字段的支持通过 quotechar 参数启用。当注释和分隔符字符出现在由 quotechar 分隔的带引号的项中时,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')])
带引号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')])
带引号的字段中两个连续的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')
当所有行不包含相等数量的值时,读取列子集
>>> 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.]])