如何将含数字与字符的文本文件转为numpy数组和字符串列表？

你的问题核心是文本文件使用不定数量的空格或制表符作为分隔符，直接按行读取无法拆分列。用pandas的read_csv配合正则分隔符就能轻松解决，同时可以直接指定表头，后续提取numpy数组和字符串列表也很方便。

完整实现代码 #

import pandas as pd
import numpy as np

# 自定义表头
column_names = ['x_coord', 'y_coord', 'z_coord', 'index', 'code']

# 读取文本文件：sep='\s+'匹配任意数量的空格/制表符，names指定表头
df = pd.read_csv('your_file_path.txt', sep='\s+', names=column_names)

# 提取前四列为独立numpy数组
x_arr = df['x_coord'].to_numpy()
y_arr = df['y_coord'].to_numpy()
z_arr = df['z_coord'].to_numpy()
index_arr = df['index'].to_numpy()

# 最后一列转为字符串列表
code_list = df['code'].tolist()

关键说明 #

• sep='\s+'：正则表达式\s+会匹配任意数量的空白字符（包括单个空格、多个连续空格、制表符），完美适配你的文件格式。
• names=column_names：直接给数据添加自定义表头，避免后续手动修改列名。
• 提取数组/列表：用to_numpy()将DataFrame列转为numpy数组，tolist()转为Python字符串列表，精准满足你的需求。

为什么之前的代码失败 #

你之前的代码直接把文件行转为DataFrame，每一行会被当作单个字符串存入一列，完全没有做列拆分操作，自然无法得到结构化数据。用read_csv是处理这类分隔文本的标准方式，比手动拆分高效可靠得多。

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