加载含日期字符串与整数列的TXT文件遇问题，求简便处理方法

我来帮你搞定这个问题！你遇到的情况其实很典型——NumPy默认会把所有数据当成数值类型解析，所以碰到日期字符串就报错；而Pandas没正确识别分隔符的话，就会把整行内容塞进一列里。下面给你两种简单直接的解决办法：

方法一：用NumPy加载并拆分数据 #

因为你的文件包含字符串（日期）和整数两种类型，不能用默认的float解析，得指定结构化数据类型来分别处理两列：

假设你的文本文件每行是用空格分隔的（比如 12/31/19 500 这种格式），可以这么写代码：

import numpy as np

# 定义结构化dtype：第一列是字符串（长度10足够存日期），第二列是整数
data = np.loadtxt('your_file.txt', dtype=[('date', 'U10'), ('value', int)])

# 提取成独立的数组
dates = data['date']
values = data['value']

这样dates就是存所有日期字符串的数组，values是对应的整数数组，完美拆分！

方法二：用Pandas加载并拆分数据 #

你之前用Pandas没成功分隔，大概率是没指定正确的分隔符。比如如果文件是用空格（或多个连续空格）分隔的，一定要加上sep='\s+'参数；如果是逗号分隔就用sep=','。

示例代码如下：

import pandas as pd

# 读取文件：指定分隔符，自定义列名（如果你的文件第一行就是表头，去掉header=None和names参数即可）
df = pd.read_csv('your_file.txt', sep='\s+', header=None, names=['date', 'value'])

# 转成你需要的列表或NumPy数组
dates_list = df['date'].tolist()  # 日期列表
values_array = df['value'].to_numpy()  # 数值数组

如果你的文件本身第一行就是date和value表头，那代码可以简化成：

df = pd.read_csv('your_file.txt', sep='\s+')
dates_list = df['date'].tolist()
values_array = df['value'].to_numpy()

这样就能轻松把两列内容分别存入独立的列表或数组啦！

内容的提问来源于stack exchange，提问作者alwaysq2000