不知道大家有没有过需要从txt文件中读取含有多行多列的数据的经历，当我们读入数据时，数据会以string的形式被读入，然而如何进行数据类型转换就成了大的问题。
这里介绍一种最简单的方式和容易产生的错误使用方法。
txt测试文件中的数据如下
我们使用如下代码读取文件，使用readlines()一次性将所有数据全部读取。
with open(r"C:\Users\15025\Desktop\debug1.txt", "r") as f:
all_data = f.readlines()
print(all_data)
# ['6.317438621610765E-05 6.123920173773844E-05 0.00010382572761752979\n', '0.00010819194873178063 8.848784016828921E-05 0.0002043378699454479\n', '9.79660835582763E-05 9.750829986943346E-05 0.00021506758227284687']我们不难发现这时我们的所有数据都被读入了同一行，但是内部有三个单引号括起来的部分，与我们测试数据中的三行吻合。
我们也可以看到，我们需要将这些数据分成单独的string，然后我们就可以使用例如float关键字对这些数据进行类型转换。
我们看到数据之间是通过空格来分开的。我们第一时间想到我们应该使用.split(" ")方法以空格将数据分开。
我们尝试以下代码
with open(r"C:\Users\15025\Desktop\debug1.txt", "r") as f:
all_data = f.readlines()
all_data = all_data[0].split(" ")
print(all_data)
# ['6.317438621610765E-05', '', '6.123920173773844E-05', '', '0.00010382572761752979\n']首先我们需要选取第一行，使用all_data[0]，然后再使用split(" ")函数分开它们。
我们成功达到了目的，但是我们同时引入了""空字符串项和末尾处\n的隐患，很是棘手。
这么做我们就进入了误区。
正确地做法如下
with open(r"C:\Users\15025\Desktop\debug1.txt", "r") as f:
all_data = f.readlines()
all_data = all_data[0].split()
print(all_data)
# ['6.317438621610765E-05', '6.123920173773844E-05', '0.00010382572761752979']我们使用split()函数时不添加任何参数，这样就一次性去掉了""空字符串项和末尾处\n的隐患还同时分开了各个字符串。
如果需要输出多行的结果，我们可以预先定义一个数组，用来存放我们的数据，完整代码如下：(以后所有的多行多列数据均可以如此读入)
方法一：将数据以二维列表形式读入
array2d = []
with open(r"C:\Users\15025\Desktop\debug1.txt", "r") as f:
all_data = f.readlines()
for i in range(len(all_data)):
temp_list = []
for element in all_data[i].split():
temp_list.append(float(element))
array2d.append(temp_list)
print(array2d)
#[[6.31743862e-05, 6.12392017e-05, 0.000103825728],
# [0.000108191949, 8.84878402e-05, 0.00020433787],
# [9.79660836e-05, 9.75082999e-05, 0.000215067582]]方法二：将数据以二维数组形式读入
import numpy as np
array = np.zeros((3, 3))
with open(r"C:\Users\15025\Desktop\debug1.txt", "r") as f:
all_data = f.readlines()
for i, line in enumerate(all_data):
numbers = line.split()
for j, element in enumerate(numbers):
array[i, j] = float(element)
print(array)
# [[6.31743862e-05 6.12392017e-05 1.03825728e-04]
# [1.08191949e-04 8.84878402e-05 2.04337870e-04]
# [9.79660836e-05 9.75082999e-05 2.15067582e-04]]
