Python中numpy.loadtxt()讀取txt文件的案例

這篇文章給大家分享的是有關(guān)Python中numpy.loadtxt()讀取txt文件的案例的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考。一起跟隨小編過來看看吧。

讀取txt文件我們通常使用 numpy 中的 loadtxt（）函數(shù)

numpy.loadtxt(fname, dtype=, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0）

注：loadtxt的功能是讀入數(shù)據(jù)文件，這里的數(shù)據(jù)文件要求每一行數(shù)據(jù)的格式相同。

也就是說對于下面這樣的數(shù)據(jù)是不符合條件的：

123

1 2 4 3 5

接下來舉例講解函數(shù)的功能：

1、簡單的讀取

test.txt

1 2 3 4 
2 3 4 5
3 4 5 6
4 5 6 7

import numpy as np
a = np.loadtxt('test.txt')#最普通的loadtxt
print(a)

輸出：

[[1. 2. 3. 4.]
 [2. 3. 4. 5.]
 [3. 4. 5. 6.]
 [4. 5. 6. 7.]]

數(shù)組中的數(shù)都為浮點(diǎn)數(shù)，原因?yàn)镻ython默認(rèn)的數(shù)字的數(shù)據(jù)類型為雙精度浮點(diǎn)數(shù) 

2、skiprows=n：指跳過前n行

test.txt

A B C D
2 3 4 5
3 4 5 6
4 5 6 7

a = np.loadtxt('test.txt', skiprows=1, dtype=int)
print(a)

輸出：

[[2 3 4 5]
 [3 4 5 6]
 [4 5 6 7]]

3、comment=‘#’：如果行的開頭為#就會(huì)跳過該行

test.txt

A B C D
2 3 4 5
3 4 5 6
#A B C D
4 5 6 7

a = np.loadtxt('test.txt', skiprows=1, dtype=int, comments='#')
print(a)

輸出：

[[2 3 4 5]
 [3 4 5 6]
 [4 5 6 7]]

 4、usecols=[0,2]：是指只使用0,2兩列，參數(shù)類型為list

a = np.loadtxt('test.txt', skiprows=1, dtype=int, comments='#',usecols=(0, 2), unpack=True)
print(a)

輸出： 

[[2 3 4]
 [4 5 6]]

unpack是指會(huì)把每一列當(dāng)成一個(gè)向量輸出, 而不是合并在一起。 如果unpack為false或者參數(shù)的話輸出結(jié)果如下：

[[2 4]
 [3 5]
 [4 6]]

test.txt

A, B, C, D
2, 3, 4, 5
3, 4, 5, 6
#A B C D
4, 5, 6, 7

5、delimiter：數(shù)據(jù)之間的分隔符。如使用逗號","。

6、converters：對數(shù)據(jù)進(jìn)行預(yù)處理

def add_one(x):
    return int(x)+1    #注意到這里使用的字符的數(shù)據(jù)結(jié)構(gòu)
a = np.loadtxt('test.txt', dtype=int, skiprows=1, converters={0:add_one}, comments='#', delimiter=',', usecols=(0, 2), unpack=True)
print a

def add_one(x):
    return int(x)+1    #注意到這里使用的字符的數(shù)據(jù)結(jié)構(gòu)
a = np.loadtxt('test.txt', dtype=int, skiprows=1, converters={0:add_one}, comments='#', delimiter=',', usecols=(0, 2), unpack=True)
print a

感謝各位的閱讀！關(guān)于Python中numpy.loadtxt()讀取txt文件的案例就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！