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 сначала 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 совпадать с количеством 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 это ‘#’. delimiter : str, optional Строка, используемая для разделения значений. Для обратной совместимости байтовые строки будут декодированы как ‘latin1’. По умолчанию это пробелы. converters : dict, optional Словарь, сопоставляющий номер столбца с функцией, которая преобразует строку столбца в нужное значение. Например, если столбец 0 — это 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)}. Значение по умолчанию: None. skiprows : int, optional Пропустить первые skiprows строки, включая комментарии; по умолчанию: 0. usecols : int or sequence, optional Столбцы для чтения, при этом 0 — это первый. Например, usecols = (1,4,5) извлечет 2-й, 5-й и 6-й столбцы. По умолчанию, None, означает чтение всех столбцов. Изменено в версии 1.11.0: Когда нужно прочитать один столбец, можно использовать целое число вместо кортежа. Например, usecols = 3 читает четвертый столбец так же, как и usecols = (3,). unpack : bool, optional Если True, возвращаемый массив транспонируется, так что аргументы могут быть распакованы с помощью x, y, z = loadtxt(...). При использовании со структурированным типом данных возвращаются массивы для каждого поля. По умолчанию False. ndmin : int, optional Возвращаемый массив будет иметь по крайней мере 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’ обеспечивает обратную совместимость, гарантируя, что вы получите массивы байтов в качестве результатов, если это возможно, и передаёт строки, закодированные в ‘latin1’, конвертерам. Переопределите это значение, чтобы получить массивы unicode и передать строки в качестве входных данных конвертерам. Если установлено в None, используется системный стандарт. 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, считанные 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

Эта 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, сгенерированные 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([(b'M', 21, 72.), (b'F', 35, 58.)],
      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.])