Question

我正在尝试使用numpy.genfromtxt函数导入包含字符串和数字列的txt。基本上我需要一个字符串数组。这是一个示例txt给我带来麻烦：

import numpy as np          
decodf= lambda x: x.decode('utf-16')
sample = np.genfromtxt(('ztest.txt'), dtype=str,
                        converters = {0:decodf, 1:decodf},
                                     delimiter='\t',
                                     usecols=0)
print(sample)

txt被编成unicode。这是我正在使用的代码：

['H2S' 'None']

这是输出：

[b'\xff\xfeH\x002\x00S' b'\x00g\x00\xe8\x00n']

我尝试了几种方法来解决这个问题。通过输入dtype = None并消除转换器，我得到：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xff in position 0: ordinal not in range(128)

我也试过消除转换器并放入dtype = str并得到：

pf.addAncestorListener(new AncestorListener() {
    @Override
    public void ancestorRemoved(AncestorEvent event) {}

    @Override
    public void ancestorMoved(AncestorEvent event) {}

    @Override
    public void ancestorAdded(AncestorEvent event) {
        event.getComponent().requestFocusInWindow();
    }
});

我明白这是一个麻烦的功能。我看到了不同的选择（例如：here）但无法让任何人工作。

我做错了什么？与此同时，我正在调查熊猫...... 提前致谢

Answer 1

您的文件编码为UTF-16，前两个字符为BOM。

试试这个（使用python 2.7）：

import io
import numpy as np

with io.open('ztest.txt', 'r', encoding='UTF-16') as f:
    data = np.genfromtxt(f, delimiter='\t', dtype=None, usecols=[0])  # or dtype=str

使用Unicode文件在python 3中运行时，

genfromtxt会出现一些问题。作为解决方法，您可以在将行传递到genfromtxt之前对行进行简单编码。例如，以下行在将行传递给genfromtxt之前将每行编码为latin-1：

import io
import numpy as np

with io.open('ztest.txt', 'r', encoding='UTF-16') as f:
    lines = [line.encode('latin-1') for line in f]
    data = np.genfromtxt(lines, delimiter='\t', dtype=None, usecols=[0])

numpy genfromtxt问题.txt输入

1 个答案: