numpy.loadtxt

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

Загрузка данных из текстового файла.

Каждая строка в текстовом файле должна содержать одинаковое количество значений.

Параметры:

fname : файл, str или pathlib.Path Файл, имя файла или генератор для чтения. Если расширение имени файла .gz или .bz2, файл сначала распаковывается. Обратите внимание, что генераторы должны возвращать байтовые строки для Python 3k. dtype : тип данных, необязательно Тип данных результирующего массива; по умолчанию: float. Если это структурированный тип данных, результирующий массив будет одномерным, и каждая строка будет интерпретироваться как элемент массива. В этом случае количество столбцов должно соответствовать количеству полей в типе данных. comments : str или последовательность str, необязательно Символы или список символов, используемых для обозначения начала комментария. Для обратной совместимости байтовые строки будут декодированы как ‘latin1’. По умолчанию ‘#’. delimiter : str, необязательно Строка, используемая для разделения значений. Для обратной совместимости байтовые строки будут декодированы как ‘latin1’. По умолчанию пробелы. converters : dict, необязательно Словарь, сопоставляющий номер столбца с функцией, которая преобразует этот столбец в число с плавающей точкой. Например, если столбец 0 — строка даты: converters = {0: datestr2num}. Преобразователи также могут использоваться для предоставления значения по умолчанию для отсутствующих данных (но см. также genfromtxt): converters = {3: lambda s: float(s.strip() or 0)}. Значение по умолчанию: None. skiprows : int, необязательно Пропустить первые skiprows строки; по умолчанию 0. usecols : int или последовательность, необязательно Столбцы для чтения, где 0 — первый столбец. Например, usecols = (1,4,5) извлечёт 2-й, 5-й и 6-й столбцы. Значение по умолчанию, None, приводит к чтению всех столбцов. Изменено в версии 1.11.0: Если необходимо прочитать один столбец, можно использовать целое число вместо кортежа. Например usecols = 3 считывает четвёртый столбец так же, как и usecols = (3,)`. unpack : bool, необязательно Если True, возвращаемый массив транспонируется, так что аргументы можно распаковать с помощью x, y, z = loadtxt(...). При использовании с структурированным типом данных возвращаются массивы для каждого поля. Значение по умолчанию False. ndmin : int, необязательно Возвращаемый массив будет иметь по меньшей мере ndmin измерений. В противном случае одномерные оси будут сжаты. Допустимые значения: 0 (по умолчанию), 1 или 2. Добавлена в версии 1.6.0. encoding : str, необязательно Кодировка, используемая для декодирования входного файла. Не применяется к входным потокам. Специальное значение ‘bytes’ включает обходные пути обратной совместимости, которые гарантируют, что вы получите массивы байтов в качестве результатов, если это возможно, и передаёт строки, закодированные в latin1, преобразователям. Переопределите это значение, чтобы получить массивы unicode и передать строки в качестве входных данных преобразователям. Если установлено значение None, используется системный стандарт. Значение по умолчанию ‘bytes’. Добавлена в версии 1.14.0.

Возвращает:

out : ndarray Данные, прочитанные из текстового файла.

См. также

load, fromstring, fromregex

genfromtxt

Загрузка данных с обработкой пропущенных значений по заданным правилам.

scipy.io.loadmat

читает файлы данных MATLAB

Примечания

Эта функция предназначена для быстрого чтения простых файлов с форматом. Функция genfromtxt предоставляет более сложную обработку, например, строк с пропущенными значениями.

Добавлена в версии 1.10.0.

Строки, созданные методом Python float.hex, могут быть использованы в качестве входных данных для чисел с плавающей точкой.

Примеры

>>> 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([('M', 21, 72.0), ('F', 35, 58.0)],
      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.])