numpy.loadtxt

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

Загрузка данных из текстового файла.

Каждая строка в текстовом файле должна содержать одинаковое количество значений.

Параметры:

fname : file, str, or pathlib.Path Файл, имя файла или генератор для чтения. Если расширение имени файла — .gz или .bz2, файл предварительно распаковывается. Обратите внимание, что генераторы должны возвращать байтовые строки для Python 3k. dtype : data-type, optional 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 or sequence of str, optional Символы или список символов, используемые для обозначения начала комментария. None означает отсутствие комментариев. Для обратной совместимости байтовые строки будут декодированы как ‘latin1’. По умолчанию — ‘#’. delimiter : str, optional Строка, используемая для разделения значений. Для обратной совместимости байтовые строки будут декодированы как ‘latin1’. По умолчанию — пробелы. converters : dict, optional Словарь, сопоставляющий номер столбца с функцией, которая будет анализировать строку столбца до желаемого значения. Например, если столбец 0 — строка даты: converters = {0: datestr2num}. Конвертеры также могут использоваться для предоставления значения по умолчанию для отсутствующих данных (но см. также genfromtxt): converters = {3: lambda s: float(s.strip() or 0)}. По умолчанию: None. skiprows : int, optional Пропустить первые skiprows строк; по умолчанию: 0. usecols : int or sequence, optional Столбцы для чтения, где 0 — первый столбец. Например, usecols = (1,4,5) извлечёт 2-й, 5-й и 6-й столбцы. По умолчанию, None, означает чтение всех столбцов. Изменено в версии 1.11.0: При чтении одного столбца можно использовать целое число вместо кортежа. Например usecols = 3 читает четвёртый столбец так же, как usecols = (3,). unpack : bool, optional Если True, результирующий массив транспонируется, так что аргументы можно распаковать с помощью x, y, z = loadtxt(...). При использовании со структурированным типом данных возвращаются массивы для каждого поля. По умолчанию False. ndmin : int, optional Результирующий массив будет иметь как минимум ndmin измерений. В противном случае одномерные оси будут сжаты. Допустимые значения: 0 (по умолчанию), 1 или 2. Новое в версии 1.6.0. encoding : str, optional Кодировка, используемая для декодирования входного файла. Не применяется к входным потокам. Специальное значение ‘bytes’ позволяет обходные пути обратной совместимости, которые гарантируют получение байтовых массивов в качестве результатов, если это возможно, и передают строки, закодированные в ‘latin1’, конвертерам. Переопределите это значение, чтобы получить массивы Unicode и передавать строки в качестве входных данных конвертерам. Если установлено в None, используется системное значение по умолчанию. Значение по умолчанию — ‘bytes’. Новое в версии 1.14.0. max_rows : int, optional Прочитать max_rows строк контента после skiprows строк. По умолчанию читаются все строки. Новое в версии 1.16.0.

Возвращает:

out : ndarray Данные, прочитанные из текстового файла.

См. также

load, fromstring, fromregex

genfromtxt

Загрузка данных с обработкой пропущенных значений, как указано.

scipy.io.loadmat

читает файлы данных MATLAB

Примечания

Данная функция предназначена для быстрого чтения просто отформатированных файлов. Функция genfromtxt обеспечивает более сложную обработку, например, строк с пропущенными значениями.

Новое в версии 1.10.0.

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

Примеры

>>> from io import StringIO   # StringIO behaves like a file object
>>> c = StringIO(u"0 1\n2 3")
>>> np.loadtxt(c)
array([[ 0.,  1.],
       [ 2.,  3.]])

>>> d = StringIO(u"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(u"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.])