使用numpy loadtxt加载含数组的文本文件时出现报错

这个问题我之前也踩过坑！np.loadtxt()默认会把输入内容当作纯数值格式解析，但你的文件里每行都带[和]这类非数值字符，直接用它自然会抛出could not convert string to float: [的错误。根据你的文件情况（每行是变长数组），给你几个实用的解决办法：

方法一：预处理文本，移除方括号后再加载 #

先把文件里的[和]全部替换掉，再用loadtxt解析，适合想快速处理的场景：

import numpy as np
from io import StringIO

# 读取文件并清理方括号
with open('filename.txt', 'r') as file:
    cleaned_content = file.read().replace('[', '').replace(']', '')

# 用StringIO把处理后的内容当作文件对象传入loadtxt
test = np.loadtxt(StringIO(cleaned_content))
# 注意：如果数组长度不一致，test会是一个dtype为object的数组，每个元素是子数组

方法二：用np.genfromtxt搭配自定义转换器 #

genfromtxt支持自定义转换器，可以针对每行做清理：

import numpy as np

def clean_array_line(line):
    # 解码字节流为字符串，移除首尾的[]和空白字符，再转回字节流
    cleaned = line.decode('utf-8').strip().strip('[]')
    return cleaned.encode('utf-8')

# 对第0列（其实是整行）应用转换器
test = np.genfromtxt('filename.txt', converters={0: clean_array_line})

方法三：逐行读取+正则提取，保留独立变长数组 #

因为你的数组长度各不相同，如果你想保留每个单独的数组（而不是拼成一个大的object数组），用这种方法更灵活：

import numpy as np
import re

all_arrays = []
with open('filename.txt', 'r') as file:
    for line in file:
        # 用正则提取所有数字字符串
        num_strings = re.findall(r'\d+', line)
        # 转换为整数numpy数组
        current_array = np.array(num_strings, dtype=int)
        all_arrays.append(current_array)

# all_arrays里就是每个单独的数组，比如all_arrays[0]就是第一行的[90,91,...160]
test = all_arrays

如果你的数组都是整数类型，记得指定dtype=int，如果是浮点数就用float，这样能避免不必要的类型转换问题。

内容的提问来源于stack exchange，提问作者Jiv