numpy.
loadtxt
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。
要读取的文件、文件名或生成器。如果文件扩展名是 .gz 或 .bz2 ,首先解压缩文件。注意,生成器应该返回字节字符串。
.gz
.bz2
结果数组的数据类型;默认值:float。如果这是结构化数据类型,则生成的数组将是一维的,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。
用于指示注释开头的字符或字符列表。没有意味着没有评论。为了向后兼容,字节字符串将被解码为“latin1”。默认值为“”。
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”。默认值是空白。
将列号映射到将列字符串解析为所需值的函数的字典。例如,如果第0列是日期字符串: converters = {{0: datestr2num}} . 转换器还可用于为丢失的数据提供默认值(另请参见 genfromtxt ): converters = {{3: lambda s: float(s.strip() or 0)}} . 默认值:没有。
converters = {{0: datestr2num}}
genfromtxt
converters = {{3: lambda s: float(s.strip() or 0)}}
跳过第一 skiprows 行,包括注释;默认值:0。
要读取哪些列,其中0是第一列。例如, usecols = (1,4,5) 将提取第2列、第5列和第6列。默认值none将导致读取所有列。
usecols = (1,4,5)
在 1.11.0 版更改: 当必须读取单列时,可以使用整数而不是元组。例如 usecols = 3 阅读第四列的方式与 usecols = (3,) 会。
usecols = 3
usecols = (3,)
如果为true,则返回的数组将被转置,以便可以使用 x, y, z = loadtxt(...) . 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(...)
返回的数组将至少具有 ndmin 尺寸。否则,将压缩一维轴。合法值:0(默认)、1或2。
1.6.0 新版功能.
用于解码输入文件的编码。不适用于输入流。特殊值“bytes”启用了向后兼容的解决方法,确保在可能的情况下将字节数组作为结果接收,并将“latin1”编码的字符串传递给转换器。重写此值以接收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 新版功能.
读 max_rows 之后的内容行 skiprows 线。默认值是读取所有行。
1.16.0 新版功能.
引用对象以允许创建非NumPy数组的数组。如果像这样的数组传入为 like 支持 __array_function__ 协议,结果将由它定义。在这种情况下,它确保创建与通过此参数传入的对象兼容的数组对象。
like
__array_function__
注解
这个 like 关键字是一个实验性的特性,有待接受 NEP 35 .
1.20.0 新版功能.
从文本文件读取的数据。
参见
load
fromstring
fromregex
加载缺少按指定处理的值的数据。
scipy.io.loadmat
读取matlab数据文件
笔记
此函数旨在快速读取简单格式化的文件。这个 genfromtxt 函数提供了更复杂的处理,例如,缺少值的行。
1.10.0 新版功能.
python float.hex方法生成的字符串可以用作float的输入。
实例
>>> 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.])
这个例子展示了 converters 可用于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]])