如何使用NumPy从文本文件中提取指定行和列？

numpy的loadtxt确实没有类似usecols的userow参数，这是因为它的设计逻辑是优先按行批量读取，行筛选主要靠skiprows（跳过开头行）、max_rows（读取前N行）这类参数，没法直接指定任意行索引。要实现按需选任意行和列，有几种实用方法：

方法1：全量读取后切片（适合小文件） #

先把整个文件的数据读入numpy数组，再用索引直接筛选目标行和列，简单直接：

import numpy as np

filename = 'Hear.txt'
# 读取全部数据（跳过表头行）
all_data = np.loadtxt(filename, delimiter=',', skiprows=1, dtype=str)
# 比如选择第2、4行（0索引对应第2行）和第0列
selected_data = all_data[[1, 3], 0]
print(selected_data)

方法2：逐行读取筛选（适合大文件） #

如果文件太大，全读占内存，就手动打开文件，只保留需要的行和列：

import numpy as np

filename = 'Hear.txt'
# 定义要选的行（跳过表头后的索引）和列
target_rows = [1, 3]
target_cols = [0]

selected = []
with open(filename, 'r') as f:
    next(f)  # 跳过第一行表头
    for idx, line in enumerate(f):
        if idx in target_rows:
            # 拆分列并筛选目标列
            cols = line.strip().split(',')
            selected.append([cols[c] for c in target_cols])

# 转成numpy数组
data = np.array(selected, dtype=str)
print(data)

方法3：用pandas简化操作（更灵活） #

如果不局限于numpy，pandas的read_csv支持更灵活的行和列筛选，代码更简洁：

import pandas as pd

filename = 'Hear.txt'
# 先读取目标列
df = pd.read_csv(filename, usecols=[0])
# 选择指定行（iloc用0索引）
selected_data = df.iloc[[1, 3]].values
print(selected_data)

内容的提问来源于stack exchange，提问作者happyclapper44