NumPy loadtxt()函数详解：高效读取文本数据

1. 基本用法

numpy.loadtxt()函数的基本语法如下：

import numpy as np

data = np.loadtxt('filename.txt')

假设我们有一个名为data.txt的文本文件，内容如下：

1 2 3
4 5 6
7 8 9

使用以下代码读取：

import numpy as np

data = np.loadtxt('data.txt')
print(data)

输出结果：

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

2. 常用参数详解

2.1 分隔符参数 (delimiter)

默认情况下，loadtxt()假设数据以空格分隔。对于其他分隔符（如逗号、分号等），可以使用delimiter参数：

# 读取CSV文件
data = np.loadtxt('data.csv', delimiter=',')

# 读取分号分隔的文件
data = np.loadtxt('data.csv', delimiter=';')

2.2 数据类型参数 (dtype)

默认情况下，loadtxt()返回float64类型的数据。可以通过dtype参数指定其他数据类型：

# 读取为整数
data_int = np.loadtxt('data.txt', dtype=int)

# 读取为32位浮点数
data_float = np.loadtxt('data.txt', dtype=np.float32)

2.3 跳过行数 (skiprows)

如果文件开头包含不需要的行（如标题或注释），可以使用skiprows参数跳过：

# 跳过前两行
data = np.loadtxt('data.txt', skiprows=2)

2.4 选择特定列 (usecols)

如果只需要文件中的特定列，可以使用usecols参数：

# 只读取第一列和第三列
data = np.loadtxt('data.txt', usecols=(0, 2))

3. 高级用法

3.1 处理混合数据类型

当文件包含混合数据类型时，可以使用结构化数组：

# 示例文件内容：
# Name Age Weight
# Alice 25 55.5
# Bob 30 75.2

dt = np.dtype([('name', 'U10'), ('age', int), ('weight', float)])
data = np.loadtxt('mixed_data.txt', skiprows=1, dtype=dt)

print(data['name'])  # 输出：['Alice' 'Bob']
print(data['age'])   # 输出：[25 30]

3.2 处理缺失值

使用unpack参数可以转置数组，便于将每列分配给单独的变量：

x, y, z = np.loadtxt('data.txt', unpack=True)

3.3 转换器函数 (converters)

对于特殊格式的数据，可以使用转换器函数：

# 将第三列从千克转换为克
convert_func = lambda x: float(x) * 1000
data = np.loadtxt('data.txt', converters={2: convert_func})

4. 实际应用示例

4.1 读取CSV数据并计算统计量

# 读取CSV文件
data = np.loadtxt('sales.csv', delimiter=',', skiprows=1)

# 计算每列的平均值
averages = np.mean(data, axis=0)
print("Column averages:", averages)

# 计算每行的总和
row_sums = np.sum(data, axis=1)
print("Row sums:", row_sums)

4.2 读取科学数据并绘图

import matplotlib.pyplot as plt

# 读取两列数据
x, y = np.loadtxt('experiment_data.txt', unpack=True)

# 创建图表
plt.figure(figsize=(10, 6))
plt.plot(x, y, 'bo-', linewidth=2)
plt.title('Experiment Results')
plt.xlabel('Time (s)')
plt.ylabel('Temperature (°C)')
plt.grid(True)
plt.show()

5. 常见问题解答

6. 总结

print("Shape:", data.shape)
print("Data type:", data.dtype)