numpy.genfromtxt

numpy.genfromtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None, skip_header=0, skip_footer=0, converters=None, missing_values=None, filling_values=None, usecols=None, names=None, excludelist=None, deletechars=None, replace_space='_', autostrip=False, case_sensitive=True, defaultfmt='f%i', unpack=None, usemask=False, loose=True, invalid_raise=True, max_rows=None) [source]

Загрузка данных из текстового файла с обработкой пропущенных значений, как указано.

Каждая строка после первых skip_header строк разбивается по символу delimiter, а символы после символа comments отбрасываются.

Параметры:

fname : файл, str, pathlib.Path, список str, генератор Файл, имя файла, список или генератор для чтения. Если расширение имени файла gz или bz2, файл сначала распаковывается. Обратите внимание, что генераторы должны возвращать байтовые строки в Python 3k. Строки в списке или генерируемые генератором обрабатываются как строки. dtype : dtype, необязательно Тип данных результирующего массива. Если None, типы данных будут определяться содержимым каждой колонки индивидуально. comments : str, необязательно Символ, обозначающий начало комментария. Все символы в строке после комментария отбрасываются. delimiter : str, int или последовательность, необязательно Строка, используемая для разделения значений. По умолчанию любые последовательные пробелы действуют как разделитель. Также можно указать целое число или последовательность целых чисел в качестве ширины(ы) каждого поля. skiprows : int, необязательно skiprows был удален в numpy 1.10. Используйте skip_header вместо него. skip_header : int, необязательно Количество строк, которые нужно пропустить в начале файла. skip_footer : int, необязательно Количество строк, которые нужно пропустить в конце файла. converters : переменная, необязательно Набор функций, преобразующих данные столбца в значение. Конвертеры также могут использоваться для предоставления значения по умолчанию для пропущенных данных: converters = {3: lambda s: float(s or 0)}. missing : переменная, необязательно missing был удален в numpy 1.10. Используйте missing_values вместо него. missing_values : переменная, необязательно Набор строк, соответствующих пропущенным данным. filling_values : переменная, необязательно Набор значений, используемых в качестве значения по умолчанию при отсутствии данных. usecols : последовательность, необязательно Какие столбцы читать, причём 0 — первый. Например, usecols = (1, 4, 5) извлечёт 2-й, 5-й и 6-й столбцы. names : {None, True, str, последовательность}, необязательно Если names равно True, имена полей читаются из первой корректной строки после первых skip_header строк. Если names является последовательностью или строкой с именами, разделёнными запятыми, имена будут использованы для определения имён полей в структурированном dtype. Если names равно None, будут использованы имена полей dtype, если таковые имеются. excludelist : последовательность, необязательно Список имён для исключения. Этот список добавляется к стандартному списку [‘return’,’file’,’print’]. Исключённые имена добавляются с нижним подчёркиванием: например, file станет file_. deletechars : str, необязательно Строка, объединяющая недопустимые символы, которые необходимо удалить из имён. defaultfmt : str, необязательно Формат для определения имён полей по умолчанию, например, “f%i” или “f_%02i”. autostrip : bool, необязательно Автоматически удалять пробелы из переменных. replace_space : char, необязательно Символ(ы), используемый для замены пробелов в именах переменных. По умолчанию используется ‘_’. case_sensitive : {True, False, ‘upper’, ‘lower’}, необязательно Если True, имена полей чувствительны к регистру. Если False или ‘upper’, имена полей преобразуются в верхний регистр. Если ‘lower’, имена полей преобразуются в нижний регистр. unpack : bool, необязательно Если True, возвращаемый массив транспонируется, чтобы аргументы могли быть распакованы с помощью x, y, z = loadtxt(...) usemask : bool, необязательно Если True, возвращается массив с маской. Если False, возвращается обычный массив. loose : bool, необязательно Если True, не генерировать ошибки для некорректных значений. invalid_raise : bool, необязательно Если True, при обнаружении несоответствия в количестве столбцов генерируется исключение. Если False, выводится предупреждение, и строки-нарушители пропускаются. max_rows : int, необязательно Максимальное количество строк для чтения. Нельзя использовать одновременно с skip_footer. Если задано, значение должно быть не меньше 1. По умолчанию считывается весь файл. Введено в версии 1.10.0.

Возвращает:

out : ndarray Данные, прочитанные из текстового файла. Если usemask равно True, это массив с маской.

См. также

numpy.loadtxt

эквивалентная функция, когда пропущенных данных нет.

Примечания

• Когда пробелы используются в качестве разделителей или когда разделитель не задан, не должно быть пропущенных данных между двумя полями.
• Когда переменные имеют имена (либо гибким типом данных, либо с names, в файле не должно быть заголовка (иначе возникает исключение ValueError).
• Индивидуальные значения по умолчанию не очищаются от пробелов. При использовании пользовательского преобразователя убедитесь, что функция удаляет пробелы.

Ссылки

[R20]

Руководство пользователя NumPy, раздел Ввод/вывод с NumPy.

Примеры

>>> from io import StringIO
>>> import numpy as np

Файл с разделителем запятая и смешанным типом данных

>>> s = StringIO("1,1.3,abcde")
>>> data = np.genfromtxt(s, dtype=[('myint','i8'),('myfloat','f8'),
... ('mystring','S5')], delimiter=",")
>>> data
array((1, 1.3, 'abcde'),
      dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', '|S5')])

Использование dtype = None

>>> s.seek(0) # needed for StringIO example only
>>> data = np.genfromtxt(s, dtype=None,
... names = ['myint','myfloat','mystring'], delimiter=",")
>>> data
array((1, 1.3, 'abcde'),
      dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', '|S5')])

Указание dtype и имён

>>> s.seek(0)
>>> data = np.genfromtxt(s, dtype="i8,f8,S5",
... names=['myint','myfloat','mystring'], delimiter=",")
>>> data
array((1, 1.3, 'abcde'),
      dtype=[('myint', '<i8'), ('myfloat', '<f8'), ('mystring', '|S5')])

Пример с колонками фиксированной ширины

>>> s = StringIO("11.3abcde")
>>> data = np.genfromtxt(s, dtype=None, names=['intvar','fltvar','strvar'],
...     delimiter=[1,3,5])
>>> data
array((1, 1.3, 'abcde'),
      dtype=[('intvar', '<i8'), ('fltvar', '<f8'), ('strvar', '|S5')])