如何使用 numpy 在 Python 读取数字数据或文件？

NumPy 是用于科学计算的 Python 库，它将 Python 与 C 语言库相结合，提供了高效的数组操作。在 NumPy 中，可以使用 numpy.loadtxt() 和 numpy.genfromtxt() 函数从文本文件中读取数据。

numpy.loadtxt()

numpy.loadtxt() 函数可用于从文本文件中读取数据，并返回一个 NumPy 数组。

语法

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

参数

• fname： 文件、文件名或生成器的名称。
• dtype： 返回数组的数据类型。
• delimiter： 用于分隔字段的字符串。
• skiprows： 要跳过的行数（从文件的开头）。
• usecols： 要读取的列。

示例

假设我们有以下数据文件 test.txt：

1,2,3,4
5,6,7,8
9,10,11,12

我们可以使用 numpy.loadtxt() 来读取这个文件：

import numpy as np

data = np.loadtxt("test.txt", delimiter=",")
print(data)

输出：

[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 9. 10. 11. 12.]]

numpy.genfromtxt()

numpy.genfromtxt() 函数提供了更多参数，可以更好地处理缺失值等情况。

语法

numpy.genfromtxt(fname, dtype=<class 'numpy.float64'>, comments='#', delimiter=None, \
                skip_header=0, skip_footer=0, converters=None, missing_values=None, \
                filling_values=None, usecols=None, names=None, excludelist=None, \
                deletechars=" !#$%&'()*+, -./:;<=>?@[\]^{|}~", replace_space='_', \
                autostrip=False, case_sensitive=True, defaultfmt="f%i", unpack=None, \
                usemask=False, loose=True, invalid_raise=True, max_rows=None, \
                encoding='bytes')

参数

• fname： 文件名或文件。
• dtype： 返回数组的数据类型。
• delimiter： 用于分隔字段的字符串。
• skip_header： 要跳过的头部行数。
• skip_footer： 要跳过的尾部行数。
• usecols： 要读取的列。
• names： 字段名列表。
• missing_values： 将被视为缺失值的字符串列表。
• filling_values： 缺失值用于填充数组中的数据。
• deletechars： 要从文件中删除的字符集。
• replace_space： 将空格替换为指定字符。
• unpack： 如果为真，则返回的数组将被解包（默认为假）。
• usemask： 如果为真，则返回一个掩码数组，其值为 True 的位置表示缺失值（默认为假）。

示例

假设我们有以下数据文件 test.csv：

1,2,3,4
5,,7,8
9,10,,12

我们可以使用 numpy.genfromtxt() 来读取这个文件：

import numpy as np

data = np.genfromtxt("test.csv", delimiter=",", names=True, dtype=None, \
                    encoding=None, filling_values=np.nan)
print(data)

输出：

[(1,  2.,  3.,  4.) (5, nan,  7.,  8.) (9, 10., nan, 12.)]

在这个示例中，我们将 filling_values 设置为 np.nan，以便 NumPy 可以识别缺失值。通过将 names 设置为 True 和 dtype 设置为 None，我们还可以使用字段名称来引用数组的列。