data_file = 'iris.txt'#你的数据集.txt文件 def get_dataset(data_file): with open(data_file,'r') as in_file: txt = in_file.readlines()#将数据集以字符串列表的形式放在txt里面['1.2 3 4\n','1 2 #3\n'] txt = [txt[i].split(' ') for x in range(len(txt))]#将字符串txt[i](['1.2 3 4\n','1 #2 3\n'])转化为[['1.2','2','3','\n'],['1','2','3','\n']] txt = [txt[i].strip('[\n,\t]') for i in range(len(txt))]#去掉字符串不能转换为float的 #特殊字符--->[['1.2','2','3'],['1','2','3']] for i in range(len(txt)): #数据集长度（样本个数） for j in range(len(txt[0])):#样本特征数（因为每一个样本一般取同样数目特征数，所以可以用 #txt[0]代替任意长度） txt[i][j] = float(txt[i][j]) return txt

#法二：用map的方法转
def get_dataset(data_file):
    with open(data_file,'r') as in_file:
        txt = in_file.readlines()#read()返回字符串 readline()读一行，返回字符串  readlines() 
                                # 全部读，返回字符串列表，含有\n
        for i in range(len(txt)):
            txt[i] = list(map(float, filter(None,re.split('[\t \n]', txt[i].strip()))))#这 
                                                #一行和后面注释的两行等价
        print(txt)  
        #txt_list = re.split('[\t \n]', txt.strip())
        #txt_out = list(map(float, txt_list)) # 高效的map ,# 这一步的list极其重要，否则得到的 
                                               #只是一个map对像

#法三：用read()读取数据+map的方法转：
def get_dataset(data_file):
    in_file = open(data_file, mode='r')
    txt = in_file.read() #.split('\n').split('\t')
    txt_list = re.split('[\t \n]', txt.strip())
    txt_out = map(float, txt_list) # 高效的map
    print(list(txt_out)) # 这一步的list极其重要，否则得到的只是一个map对像

方法三和方法一、二返回的数据类型不一样，方法一、二是把每个数据集的特征分别放在一个list里面，再用一个大的list装所有数据集，这样就成了一个二维的数组，而方法三就是用read()的方法，将所有的数据集的特征放在一个list里面，没有区分特征属于哪一类。

运行结果如下：

方法一结果：

方法二结果：

方法三结果：

方法一：import numpy as npdata_file = 'iris.txt'#你的数据集.txt文件def get_dataset(data_file): with open(data_file,'r') as in_file: txt = in_file.readlines()#将数据集以字符串列表的形式放在txt里面['1.2 3 4\n','1 2 #3\n']