Python中最符合Python风格的批量TXT数据导入数组方法

一、对应MATLAB代码的Python实现 #

你的MATLAB代码逻辑是读取当前目录下所有.txt文件，提取第一列作为x数组，将每个文件的第二列作为单独列存入y数组。以下是功能对等的Python实现（基于numpy，和MATLAB的数组操作逻辑最接近）：

import numpy as np
import os

# 获取当前目录下所有txt文件
txt_files = [f for f in os.listdir('.') if f.endswith('.txt')]
N = len(txt_files)

# 初始化y数组（先读取第一个文件确定行数）
first_data = np.loadtxt(txt_files[0])
x = first_data[:, 0]
y = np.zeros((len(x), N))

# 循环读取所有文件
for i in range(N):
    data = np.loadtxt(txt_files[i])
    # 假设所有文件第一列相同，若不同可根据需求调整
    y[:, i] = data[:, 1]

说明：

• 用os.listdir筛选出.txt文件，替代MATLAB的dir
• numpy.loadtxt对应MATLAB的importdata，可直接读取数值型文本数据
• 先读取第一个文件确定数组维度，避免动态扩容影响效率

二、符合Python风格的TXT数据导入方式 #

Python生态中，有两种更简洁、符合Pythonic风格的实现方式：

1. 基于numpy的简洁写法（列表推导式） #

import numpy as np
import os

txt_files = [f for f in os.listdir('.') if f.endswith('.txt')]
# 读取所有文件的第二列，合并为y数组
all_columns = [np.loadtxt(f)[:, 1] for f in txt_files]
y = np.column_stack(all_columns)
# 取第一个文件的第一列作为x
x = np.loadtxt(txt_files[0])[:, 0]

用列表推导式批量读取数据，再通过np.column_stack合并列，代码更紧凑。

2. 基于pandas的高效实现（适合大规模数据） #

如果文件数量多、数据量大，pandas的处理更高效且代码更简洁：

import pandas as pd
import os

txt_files = [f for f in os.listdir('.') if f.endswith('.txt')]
# 批量读取所有txt文件，合并为DataFrame
df_list = [pd.read_csv(f, sep='\s+', header=None, usecols=[1]) for f in txt_files]
y_df = pd.concat(df_list, axis=1)
# 转换为numpy数组（若需要）
y = y_df.values
# 获取x数组
x = pd.read_csv(txt_files[0], sep='\s+', header=None)[0].values

• pd.read_csv支持自动识别空格分隔符（sep='\s+'），无需手动处理格式
• pd.concat可快速合并多个DataFrame为宽表，适合后续分析

附：你的TXT数据格式示例（空格分隔的两列数值）：

896.5000000000 0.8694710776
896.7500000000 0.7608314184
897.0000000000 0.6349069122
897.2500000000 0.5092121001
897.5000000000 0.3955858698

内容的提问来源于stack exchange，提问作者jimbob97