Як прочитати текстовий файл у список на python (з прикладами)
Щоб прочитати текстовий файл у список у Python, можна використати один із двох методів:
Спосіб 1: Використовуйте open()
#define text file to open my_file = open(' my_data.txt ', ' r ') #read text file into list data = my_file. read ()
Спосіб 2: Використовуйте loadtxt()
from numpy import loadtxt #read text file into NumPy array data = loadtxt(' my_data.txt ')
Наступні приклади показують, як використовувати кожен метод на практиці.
Приклад 1: читання текстового файлу в список за допомогою open()
У наведеному нижче коді показано, як використовувати функцію open() для читання текстового файлу під назвою my_data.txt у список у Python:
#define text file to open
my_file = open(' my_data.txt ', ' r ')
#read text file into list
data = my_file. read ()
#display content of text file
print (data)
4
6
6
8
9
12
16
17
19
Приклад 2: читання текстового файлу в список за допомогою loadtxt()
Наступний код показує, як використовувати функцію NumPy loadtxt() для читання текстового файлу під назвою my_data.txt у масив NumPy:
from numpy import loadtxt
#import text file into NumPy array
data = loadtxt(' my_data.txt ')
#display content of text file
print (data)
[4. 6. 6. 8. 9. 12. 16. 17. 19.]
#display data type of NumPy array
print ( data.dtype )
float64
Перевага використання loadtxt() полягає в тому, що ми можемо вказати тип даних під час імпорту текстового файлу за допомогою аргументу dtype .
Наприклад, ми можемо вказати текстовий файл для імпорту в масив NumPy як ціле число:
from numpy import loadtxt
#import text file into NumPy array as integer
data = loadtxt(' my_data.txt ', dtype=' int ')
#display content of text file
print (data)
[4 6 6 8 9 12 16 17 19]
#display data type of NumPy array
print ( data.dtype )
int64
Примітка . Повну документацію щодо функції loadtxt() можна знайти тут .
Додаткові ресурси
У наступних посібниках пояснюється, як читати інші файли в Python:
Як прочитати файл CSV за допомогою NumPy
Як читати файли CSV за допомогою Pandas
Як читати текстовий файл за допомогою Pandas