Python numpy loadtxt用法及代码示例

本文简要介绍 python 语言中 numpy.loadtxt 的用法。

用法:

numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None, *, like=None)

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： 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。列表中的字符串或由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：浮点数。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。

comments： str 或 str 序列，可选

用于指示注释开始的字符或字符列表。无意味着没有评论。为了向后兼容，字节串将被解码为‘latin1’。默认值为“#”。

delimiter： str，可选

用于分隔值的字符串。为了向后兼容，字节串将被解码为‘latin1’。默认值为空格。

converters： 字典，可选

将列号映射到函数的字典，该函数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} 。转换器还可以用于为丢失的数据提供默认值(但另请参见 genfromtxt )：converters = {3: lambda s: float(s.strip() or 0)}。默认值：无。

skiprows： 整数，可选

跳过第一行，包括注释；默认值：0。

usecols： int 或序列，可选

要读取的列，0 是第一个。例如，usecols = (1,4,5) 将提取第 2、第 5 和第 6 列。默认值 None 会导致读取所有列。

unpack： 布尔型，可选

如果为 True，则返回的数组被转置，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。默认为假。

ndmin： 整数，可选

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

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’ 启用向后兼容性解决方法，确保您尽可能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‘bytes’。

max_rows： 整数，可选

在跳过行之后阅读 max_rows 行内容。默认是读取所有行。

like： array_like

允许创建非 NumPy 数组的引用对象。如果作为 like 传入的类似数组支持 __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。

返回：

out： ndarray

从文本文件中读取的数据。

注意：

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

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.])

此示例显示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]])