【numpy】np.loadtxt超级简便的读取.txt文件文本方式

简介: 【numpy】np.loadtxt超级简便的读取.txt文件文本方式

前言


       在没有遇到np.loadtxt这个方式之前,我都是纯手写的代码,非常的冗余好看,读取.txt文本内容的也不太方便,所以接下来这个函数将会帮我们完美的解决这个问题。


文件内容


.txt


541 6 599 62
544 9 598 62


代码文件


1.py


import numpy as np
if __name__ == "__main__":
    box_list = []
    with open(car_bbox_path, 'r') as f:
        for idx, data_ in enumerate(f.readlines()):
            data = data_.replace('\n', "").split(" ")
            bbox = [int(x) for x in data]
            box_list.append(bbox)
    f.close()
    print(box_list)

       

print()


(gp) C:\Users\86137\Desktop\PF-Face>python pf.py
[[714, 390, 1018, 632], [714, 390, 1018, 633]]

       这样子写代码会显得代码非常的冗余不好看,实际上这完全可以用np.loadtxt这个函数进行便携性读取.txt文件内容,并将数据转换为想要的形式,比如:list(),且可以控制数据类型,比如:int。那,如果我们使用np.loadtxt函数呢,会是这么样子的风景?(如2.py所示)


2.py


import numpy as np
if __name__ == "__main__":
    box_list= np.loadtxt(car_bbox_path, delimiter=' ',dtype=int).tolist()
    print(box_list)

       很难相信1.py与2.py实现的是同一个功能,这么看,我觉得我已经,完美的展现了np.loadtxt函数的简便性了!


print()


(gp) C:\Users\86137\Desktop\PF-Face>python pf.py
[[714, 390, 1018, 632], [714, 390, 1018, 633]]

完毕!


是不是超级简单呢?如果大家觉得有帮助的话,欢迎三连!


#致谢


相关文章
|
5月前
|
存储 数据格式 Python
如何使用 numpy 加载 txt 文件数据?
【8月更文挑战第30天】
148 0
|
8月前
|
存储 数据管理 数据挖掘
《Numpy 简易速速上手小册》第7章:Numpy 文件输入输出(2024 最新版)
《Numpy 简易速速上手小册》第7章:Numpy 文件输入输出(2024 最新版)
75 1
|
计算机视觉 Python
编译OpenCV:cv2.cpp:23:33: fatal error: numpy/ndarrayobject.h: 没有那个文件或目录
编译OpenCV:cv2.cpp:23:33: fatal error: numpy/ndarrayobject.h: 没有那个文件或目录
97 0
|
存储 JSON 数据格式
python/pandas/numpy(十二)数据加载、存储与文件格式
基本命令 pd.read_csv('1.txt') 只想读几行文本文件 pd.read_csv('1.
1224 0
|
4月前
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
114 0
|
5月前
|
机器学习/深度学习 数据处理 计算机视觉
NumPy实践宝典:Python高手教你如何轻松玩转数据处理!
【8月更文挑战第22天】NumPy是Python科学计算的核心库,专长于大型数组与矩阵运算,并提供了丰富的数学函数。首先需安装NumPy (`pip install numpy`)。之后可通过创建数组、索引与切片、执行数学与逻辑运算、变换数组形状及类型、计算统计量和进行矩阵运算等操作来实践学习。NumPy的应用范围广泛,从基础的数据处理到图像处理都能胜任,是数据科学领域的必备工具。
68 0
|
2月前
|
存储 数据处理 Python
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第27天】在科学计算和数据分析领域,Python凭借简洁的语法和强大的库支持广受欢迎。NumPy和SciPy作为Python科学计算的两大基石,提供了高效的数据处理和分析工具。NumPy的核心功能是N维数组对象(ndarray),支持高效的大型数据集操作;SciPy则在此基础上提供了线性代数、信号处理、优化和统计分析等多种科学计算工具。结合使用NumPy和SciPy,可以显著提升数据处理和分析的效率,使Python成为科学计算和数据分析的首选语言。
77 3
|
2月前
|
存储 机器学习/深度学习 算法
Python科学计算:NumPy与SciPy的高效数据处理与分析
【10月更文挑战第26天】NumPy和SciPy是Python科学计算领域的两大核心库。NumPy提供高效的多维数组对象和丰富的数学函数,而SciPy则在此基础上提供了更多高级的科学计算功能,如数值积分、优化和统计等。两者结合使Python在科学计算中具有极高的效率和广泛的应用。
82 2
|
4月前
|
机器学习/深度学习 算法 数据可视化
8种数值变量的特征工程技术:利用Sklearn、Numpy和Python将数值转化为预测模型的有效特征
特征工程是机器学习流程中的关键步骤,通过将原始数据转换为更具意义的特征,增强模型对数据关系的理解能力。本文重点介绍处理数值变量的高级特征工程技术,包括归一化、多项式特征、FunctionTransformer、KBinsDiscretizer、对数变换、PowerTransformer、QuantileTransformer和PCA,旨在提升模型性能。这些技术能够揭示数据中的潜在模式、优化变量表示,并应对数据分布和内在特性带来的挑战,从而提高模型的稳健性和泛化能力。每种技术都有其独特优势,适用于不同类型的数据和问题。通过实验和验证选择最适合的变换方法至关重要。
66 5
8种数值变量的特征工程技术:利用Sklearn、Numpy和Python将数值转化为预测模型的有效特征
|
3月前
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
104 10