O módulo numpy do Python fornece uma função para carregar dados de um arquivo de texto. O módulo numpy fornece carregartxt() funciona para ser um leitor rápido de arquivos de texto simples.
Nota: No arquivo de texto, cada linha deve ter o mesmo número de valores.
Sintaxe
numpy.loadtxt(fname, dtype=, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)
Parâmetros
Estes são os seguintes parâmetros na função numpy .loadtxt():
fname: arquivo, str ou pathlib.Path
Este parâmetro define o arquivo, nome do arquivo ou gerador a ser lido. Primeiramente, decomporemos o arquivo, se a extensão do nome do arquivo for .gz e .bz2 . Depois disso, os geradores retornarão strings de bytes para Pitão 3k.
dtype: tipo de dados (opcional)
Este parâmetro define o tipo de dados para o array resultante e, por padrão, o tipo de dados será float. A matriz resultante será unidimensional quando for um tipo de dados estruturado. Cada linha é interpretada como um elemento de array, e o número de colunas utilizadas deve corresponder ao número de campos no tipo de dados.
comentários: str ou sequência (opcional)
Este parâmetro define os caracteres ou lista de caracteres utilizados para indicar o início do comentário. Por padrão, será ' # '.
delimitador: str (opcional)
Este parâmetro define a string usada para separar valores. Por padrão, será qualquer espaço em branco.
tutorial de selênio
conversores: dict(opcional)
Este parâmetro define um número de coluna de mapeamento de dicionário para uma função que converterá a coluna mapeada em flutuante. Quando column() é uma string de data então conversores={0:datestr2num} . Este parâmetro também é usado para fornecer um valor padrão para dados ausentes, como conversores= {3: lambda s: float(s.strip() ou 0)} .
skiprows: int (opcional)
Este parâmetro é usado para pular os primeiros 'skiprows' e, por padrão, será 0.
usecols: int ou sequência (opcional)
Este parâmetro define as colunas a serem lidas, sendo 0 a primeira. Por exemplo, usecols=(0, 3, 5) extrairá o 1st, 4ºe 5ºcoluna. Por padrão, seu valor é Nenhum, o que resulta na leitura de todas as colunas. Na nova versão, podemos usar um número inteiro em vez de uma tupla se quisermos ler uma única coluna.
descompacte: bool (opcional)
Se este parâmetro for definido como verdadeiro, o array retornado será transposto, para que os argumentos possam ser descompactados usando x, y, z =carregartxt(...) . As matrizes são retornadas para cada campo ao usá-lo com o tipo de dados estruturado. Por padrão, será definido como False.
ndim: int(opcional)
A matriz retornada terá dimensões 'ndmin'. Caso contrário, comprimirá o eixo monodimensional. Valores legais: 0 (padrão), 1 ou 2.
Retorna: out(ndarray)
Ele lê dados do arquivo de texto na forma de um ndarray.
Exemplo 1:
import numpy as np from io import StringIO c = StringIO(u'0 1 2 3') c np.loadtxt(c)
Saída:
array([[0., 1.], [2., 3.]])
No código acima
- Importamos numpy com o nome alternativo np.
- Também importamos StringIO de esse .
- Declaramos a variável 'c' e atribuímos o valor retornado da função StringIO().
- Passamos os dados Unicode na função.
- Por último, tentamos imprimir o valor de retorno de np.loadtxt() em que passamos o arquivo ou nome do arquivo.
Na saída, mostra o conteúdo do arquivo na forma de ndarray .
Exemplo 2:
import numpy as np from io import StringIO d = StringIO(u'M 21 72
F 35 58') np.loadtxt(d, dtype={'names': ('gender', 'age', 'weight'),'formats': ('S1', 'i4', 'f4')}) Saída:
array([('M', 21, 72.), ('F', 35, 58.)], dtype=[('gender', 'S1'), ('age', ' <i4'), ('weight', '<f4')]) < pre> <h3>Example 3:</h3> <pre> import numpy as np from io import StringIO c = StringIO(u'1,3,2
3,5,4') x, y = np.loadtxt(c, delimiter=',', usecols=(0, 2), unpack=True) x y </pre> <p> <strong>Output:</strong> </p> <pre> array([1., 3.]) array([2., 4.]) </pre> <p> <strong>In the above code</strong> </p> <ul> <li>We have imported numpy with alias name np.</li> <li>We have also imported <strong>StringIO</strong> from <strong>io</strong> . </li> <li>We have declared the variable 'c' and assigned the returned value of the StringIO() function.</li> <li>We have passed the unicode data in the function.</li> <li>Lastly, we tried to print the return value of np.loadtxt in which we passed the file or filename, set delimiter, usecols, and unpack to True.</li> </ul> <p>In the output, it displays the content of the file has been shown in the form of ndarray.</p> <hr></i4'),> Saída:
array([1., 3.]) array([2., 4.])
No código acima
- Importamos numpy com o nome alternativo np.
- Também importamos StringIO de esse .
- Declaramos a variável 'c' e atribuímos o valor retornado da função StringIO().
- Passamos os dados unicode na função.
- Por último, tentamos imprimir o valor de retorno de np.loadtxt no qual passamos o arquivo ou nome do arquivo, definimos o delimitador, usecols e descompactamos como True.
Na saída, ele exibe o conteúdo do arquivo mostrado na forma de ndarray.
classe vs objeto em java