如何在Google Colab中将TSV/空格分隔文本读取为整型numpy数组

问题原因 #

你当前使用pd.read_table默认以制表符为分隔符读取内容，而你的文件是用空格分隔数值，所以整行内容会被识别为单个字符串列，最终转换得到的数组元素都是整行字符串，自然无法直接通过dtype=int转换格式。

解决方案 #

1. 自动获取上传文件名（无需写死路径） #

files.upload()返回的结果是字典结构，键为上传文件的实际名称，值为文件二进制内容。你可以直接读取字典的第一个键作为文件名，不需要手动修改代码指定路径：

filename = next(iter(uploaded.keys()))

2. 正确转换为整型numpy数组 #

两种常用实现方式，按需选择即可：

方式一：无需pandas依赖，直接读取解析

from google.colab import files
import numpy as np

uploaded = files.upload()
filename = next(iter(uploaded.keys()))

with open(filename, 'r', encoding='utf-8') as f:
    # 逐行处理：去除首尾空白、按空格拆分、转整数，跳过空行
    arr_list = [list(map(int, line.strip().split())) for line in f if line.strip()]

np_arr = np.array(arr_list, dtype=int)

方式二：调整pandas读取参数实现

给read_table指定分隔符为任意空白字符，同时关闭表头识别即可：

from google.colab import files
import pandas as pd
import numpy as np

uploaded = files.upload()
filename = next(iter(uploaded.keys()))

# sep='\s+' 表示匹配任意长度的空白字符作为分隔符，header=None表示没有表头
data = pd.read_table(filename, sep='\s+', header=None)
np_arr = data.to_numpy(dtype=int)

执行完成后得到的np_arr就是你需要的5行4列整型numpy数组。

内容的提问来源于stack exchange，提问作者user1832524