NumPy 1.14 - numpy.loadtxt()

numpy.loadtxt




numpy

numpy.loadtxt

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

टेक्स्ट फ़ाइल से डेटा लोड करें।

पाठ फ़ाइल में प्रत्येक पंक्ति में समान मान होना चाहिए।

पैरामीटर:

fname : फ़ाइल, str या pathlib.Path

फ़ाइल, फ़ाइल नाम या पढ़ने के लिए जनरेटर। फ़ाइल नाम एक्सटेंशन .gz या .bz2 , तो फ़ाइल पहले विघटित होती है। ध्यान दें कि जनरेटर को पायथन 3k के लिए बाइट स्ट्रिंग्स को वापस करना चाहिए।

dtype : data-type, वैकल्पिक

परिणामी सरणी का डेटा-प्रकार; डिफ़ॉल्ट: फ्लोट। यदि यह एक संरचित डेटा-प्रकार है, तो परिणामी सरणी 1-आयामी होगी, और प्रत्येक पंक्ति को सरणी के एक तत्व के रूप में व्याख्या की जाएगी। इस स्थिति में, उपयोग किए जाने वाले कॉलम डेटा-प्रकार में फ़ील्ड की संख्या से मेल खाना चाहिए।

टिप्पणियाँ : str या str का क्रम, वैकल्पिक

किसी टिप्पणी की शुरुआत को इंगित करने के लिए इस्तेमाल किए जाने वाले वर्णों या पात्रों की सूची। पीछे की संगतता के लिए, बाइट स्ट्रिंग्स को 'लैटिन 1' के रूप में डिकोड किया जाएगा। डिफ़ॉल्ट '#' है।

सीमांकक : str, वैकल्पिक

मानों को अलग करने के लिए प्रयुक्त स्ट्रिंग। पीछे की संगतता के लिए, बाइट स्ट्रिंग्स को 'लैटिन 1' के रूप में डिकोड किया जाएगा। डिफ़ॉल्ट व्हाट्सएप है।

कन्वर्टर्स : तानाशाह, वैकल्पिक

एक फ़ंक्शन के लिए एक डिक्शनरी मैपिंग कॉलम नंबर जो उस कॉलम को फ्लोट में बदल देगा। जैसे, यदि स्तंभ 0 एक तारीख स्ट्रिंग है: converters = {0: datestr2num} । लापता डेटा के लिए डिफ़ॉल्ट मान प्रदान करने के लिए कन्वर्टर्स का उपयोग किया जा सकता है (लेकिन यह भी genfromtxt देखें): converters = {3: lambda s: float(s.strip() or 0)} । डिफ़ॉल्ट: कोई नहीं।

स्किपरो : इंट, वैकल्पिक

पहले skiprows लाइनों को छोड़ें; डिफ़ॉल्ट: 0।

usecols : int या अनुक्रम, वैकल्पिक

कौन सा कॉलम पढ़ना है, जिसमें 0 पहला है। उदाहरण के लिए, usecols = (1,4,5) 2, 5 वां और 6 वां कॉलम निकालेंगे। डिफ़ॉल्ट, कोई नहीं, सभी कॉलमों को पढ़ा जा रहा है।

संस्करण १.११.० में परिवर्तित: जब एक एकल कॉलम को पढ़ना होता है तो टपल के बजाय पूर्णांक का उपयोग करना संभव होता है। जैसे usecols = 3 चौथे कॉलम को वैसे ही पढ़ता है जैसे usecols = (3,)` होगा।

अनपैक : बूल, वैकल्पिक

यदि सही है, तो लौटा हुआ सरणी ट्रांसपोज़ किया जाता है, ताकि x, y, z = loadtxt(...) का उपयोग करके तर्क को अनपैक किया जा सके। जब एक संरचित डेटा-प्रकार के साथ उपयोग किया जाता है, तो प्रत्येक क्षेत्र के लिए सरणियाँ वापस आ जाती हैं। डिफ़ॉल्ट गलत है।

ndmin : इंट, वैकल्पिक

लौटे सरणी में कम से कम ndmin आयाम होंगे। अन्यथा मोनो-आयामी कुल्हाड़ियों को निचोड़ा जाएगा। कानूनी मान: 0 (डिफ़ॉल्ट), 1 या 2।

संस्करण 1.6.0 में नया।

एन्कोडिंग : str, वैकल्पिक

एन्कोडिंग का उपयोग इनपुटफाइल को डीकोड करने के लिए किया जाता है। इनपुट धाराओं पर लागू नहीं होता है। विशेष मूल्य 'बाइट्स' बैकवर्ड कम्पैटिबिलिटी वर्कआर्ड को सक्षम बनाता है जो आपको परिणाम के रूप में बाइट एरेज़ प्राप्त करने के लिए सुनिश्चित करता है और यदि कन्वर्टर्स को लैटिन 1 एन्कोडेड स्ट्रिंग्स पास करता है। यूनिकोड सरणियों को प्राप्त करने और कन्वर्टर्स के लिए इनपुट के रूप में तार पास करने के लिए इस मूल्य को ओवरराइड करें। यदि सिस्टम डिफॉल्ट में से किसी में भी प्रयोग किया जाता है। डिफ़ॉल्ट मान 'बाइट्स' है।

संस्करण 1.14.0 में नया।

यह दिखाता है:

बाहर : ndarray

पाठ फ़ाइल से डेटा पढ़ा गया।

यह भी देखें

load , fromstring , fromregex

genfromtxt
निर्दिष्ट मान के अनुसार अनुपलब्ध मानों के साथ डेटा लोड करें।
scipy.io.loadmat
MATLAB डेटा फ़ाइलों को पढ़ता है

टिप्पणियाँ

इस फ़ंक्शन का उद्देश्य केवल स्वरूपित फ़ाइलों के लिए एक तेज पाठक होना है। genfromtxt फ़ंक्शन मिसिंग वैल्यू के साथ लाइन्स के अधिक परिष्कृत हैंडलिंग प्रदान करता है।

संस्करण 1.10.0 में नया।

पायथन फ्लोट द्वारा निर्मित स्ट्रिंग्स.हेक्स विधि का उपयोग फ्लोट्स के इनपुट के रूप में किया जा सकता है।

उदाहरण

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