-0.589469,5.000059,-0.480721,0.000204,0.000204
-12.945284,4.999956,9.671936,0.000145,0.000145
-9.701032,1.199940,6.882448,3.400034,3.400034
-13.222972,6.900084,10.320272,0.799982,0.799982

一般在我们进行机器学习的时候，两个非常重要的就是1、矩阵；2、数据类型，但是不幸的是有时候自己处理的数据是string类型，但是计算的时候需要转换为float类型，甚至需要转换为矩阵（此处不介绍）

读取文件信息：

train_data = np.loadtxt("Data/Train_1.csv", delimiter=',', dtype=np.str)

读取后发现loadtxt是str类型，得计算啊，准换类型

于是，直接将数据读取后采用强制类型转换，a = float(str)，结果发现自己被强了，尴尬。。。。。。

错误显示。。。。

Traceback (most recent call last):
  File "C:/Users/JZ/PycharmProjects/Test/test.py", line 4, in <module>
    data1=np.loadtxt("Train.csv", delimiter=',')
  File "C:\Users\JZ\AppData\Local\Programs\Python\Python35\lib\site-packages\numpy\lib\npyio.py", line 1024, in loadtxt
    return float(x)
ValueError: could not convert string to float: 

纠结了一会，发现一直没有解决，于是看了numpy的数据类型转换，[ 点击打开链接 ]因为后期需要转换矩阵，就顺带学了

import numpy as np
var1 = np.float64(var)
var2 = np.float64(var)

突然发现问题解决了，突然发现有时候思路很重要，并不是一味的死钻。

接下来就是将数据保存到文件中

此处使用 str = '%f%f\n' %(var1,var2)

而不是 ：str = var1+","+var2+"\n"

好了，至此废话不多说，上代码：

import numpy as np
fr = open("Train.csv",'r')
frw = open("Train_1.csv",'w')
line = fr.readlines()
for L in line:
    string = L.strip("\n").split(",")
    a = np.float64(string[0])
    b = np.float64(string[1])
    c = np.float64(string[2])
    d = np.float64(string[3])
    e = np.float64(string[4])
    str = '%f,%f,%f,%f,%f\n' % (a,b,c,d,e)
    print(str)
    frw.write(str)
frw.close()
fr.close()

NumPy可以使用 load txt ()方法直接将 txt 文本文件加载成数组，今天加载一个文本格式的点云文件时提示如下错误： import numpy as np file=r"" data=np. load txt (file) 应该是某一行数据中有文本字符，NumPy加载时无法 转换 为浮点型的数据，但是错误信息只提示了是103.0这个数据，没有提示在哪一行，我的这个点云文件总共有348570行，显然手动去找哪一行的数据有问题不太现实，最终用了如下办法定位到文本中错误的行数， import numpy as np 背景： load txt 报错 ValueError : could not convert string to float : ‘D00002’ load txt () 是numpy中用来读取 txt 文件的函数，其用法为： numpy. load txt (fname, dtype=, comments='#', delimiter=None, convert ers=None, skiprows=0, usecols=None, unpack=False, ndmin=0) fname:文件名 dtype：生成数据的数据类型，默认是浮点数 当要读取的文件既有数据又有字符串时，把生成数据的数据类型转为字符串，即 d 多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。我坚信知识的力量，希望通过我的分享，能够帮助更多的人掌握这些技术，并在实际项目中发挥作用。是一个功能强大且易于使用的函数，它为我们提供了一种便捷的方式来读取和处理文本文件中的数据。在数据分析和机器学习的项目中，我们经常需要从各种来源获取数据，其中文本文件是最常见的格式之一。的一个更通用的版本，它提供了更多的选项和灵活性，可以处理更复杂的文本文件。在选择使用哪个函数时，需要根据具体的需求和文件的特点来决定。 python np. load txt () 读取数据 集时报错 ValueError : could not convert string to float 以及pandas.readcsv()对比 4、常见的两种读取csv文件方式 读以下两篇文章即可：《numpy中 load txt 的用法及参数说明》《pandas中read_csv详解》1、注意numpy中 load txt （）和pandas中read_csv（）不一样！！！前者需要指定分隔符，不然就会读一整行。且返回的就是一个ndarray了后者可以 在处理SICK数据集的时候，为了方便实验我切分成了train集和test集。特别坑！ 针对数据集是 txt 的，我 转换 成了csv格式（用python转的，代码csdn上特别多），并且特别注意了encoding用的utf-8，但有时候你一用记事本或者notepad++打开它就变成了ANSI编码，如果你把ANSI格式的读进去，会直接报utf-8的错。 处理方法： 1、用记事本或者 numpy. load txt (fname, dtype=, comments='#', delimiter=None, convert ers=None, skiprows=0, usecols=None, unpack=False, ndmin=0） 作用：从文本文件加载数据，文本文件中的每一行必须具有相同数量的值。 各个参数的作用： fname:file or str 要读取的文件或文件名。如果文件扩展名为.gz或.bz2，则文件先解压。 dtype:数据类型，可选 data = np. load txt (file_path) 对文件中的数据进行读取时，报错 ValueError : could not convert string to float : '-1.8,' 看报错描述以为是数据中含有负数的问题，改了半天没有什么好的解决办法 最终的解决措施：加delimiter=',' data = np. load txt (file_path, delimiter=. OM=np.array(om.tolist()) 但是，有时候进行新实验，又报出了could not convert string to float 的错误，后经过修改，发现原因，我的urlOM是csv格式文件，但是是从 txt 直接改后缀得来的。 正确的做法是： excel打开 txt ，另存为csv， 一定要另存为 使用 float ()函数来 转换 字符串为浮点数是，python抛出 ValueError ，并提示，could not convert string to float ，意思是无法将参数指定的字符串 转换 为浮点数 float 类型的值，这是为什么呢？这是因为能够被 float ()函数 转换 的字符串需要满足数值型的字符串，比如“1.2”、“3”、“-1.01”等等。python中，可以使用内置的 float ()函数将字符串 string 对象作为形参进行类型的 转换 ，并以浮点数的类型值返回，并不修改原字符串 string 对象。