如何将不同类型的数据从文件导入Python Numpy数组？

假设我有一个文件

myfile.txt

包含：

1   2.0000  buckle_my_shoe
3   4.0000  margery_door

如何将数据作为int、float和string从文件导入numpy数组？

我的目标是：

array([[1,2.0000,"buckle_my_shoe"],
[3,4.0000,"margery_door"]])

我一直在玩弄以下东西，但毫无用处：

a = numpy.loadtxt('myfile.txt',dtype=(numpy.int_,numpy.float_,numpy.string_))

编辑：另一种方法可能是使用ndarray类型，然后进行转换

b = numpy.loadtxt('myfile.txt',dtype=numpy.ndarray)

    array([['1', '2.0000', 'buckle_my_shoe'],
       ['3', '4.0000', 'margery_door']], dtype=object)

我可以帮你。您可以使用的功能的文档如下所示

假设您的列是以制表符分隔的，这应该可以做到（改编自）：

使用：

将numpy导入为np
np.genfromtxt（'filename'，dtype=None）
#数组（[（1,2.0，'扣我的鞋'），（3,4.0，'玛格利门'），
#dtype=[（'f0'，'只需将文件读入字符串，在每个
\n
换行符上拆分字符串，并用3-和2个空格分解这些内部。否则，您也可以使用正则表达式查找每行并将其拆分（组）。我认为更重要的问题是导入数据后您将如何处理这些数据。虽然您可以使用
numpy
处理非数字数据，但如果您想用它做任何有趣的事情，您可能会重新发明一些
熊猫
。有关更基本的解释，请参阅
df = DataFrame.from_csv('myfile.txt', sep='\t')
array = df.values # the array you are interested in

import numpy as np
np.genfromtxt('filename', dtype= None)
# array([(1, 2.0, 'buckle_my_shoe'), (3, 4.0, 'margery_door')], 
#       dtype=[('f0', '<i4'), ('f1', '<f8'), ('f2', '|S14')])