np.loadtxt()和np.genfromtxt()不支持encoding参数，需先用open()按指定编码读取再交由NumPy解析；大文件用生成器逐行处理；编码不明时用chardet探测，UTF-8带BOM用'utf-8-sig'，GBK兼容推荐'gb18030'。
np.loadtxt() 和 np.genfromtxt() 根本不支持 encoding 参数
这是最常踩的坑：直接给 np.loadtxt() 或 np.genfromtxt() 传 encoding='utf-8' 会报 TypeError: loadtxt() got an unexpected keyword argument 'encoding'。这两个函数底层用 C 实现，绕过 Python 的文本解码流程，所以压根没设计编码参数。
正确做法是先用 Python 内置 open() 读取并解码，再交给 NumPy 解析
核心思路是把“文件读取”和“数值解析”拆开：用 open() 控制编码，拿到字符串后交给 NumPy 处理。常见组合如下：
- 对纯数字、格式规整的 TXT（如每行 3 个浮点数），推荐
np.loadtxt()配合StringIO：from io import StringIO with open('data.txt', 'r', encoding='gbk') as f: content = f.read() arr = np.loadtxt(StringIO(content)) - 对含缺失值、混合类型或不规则空格的文件，用
np.genfromtxt()更鲁棒：with open('data.txt', 'r', encoding='utf-8') as f: arr = np.genfromtxt(f, delimiter=',')（注意：这里f是已解码的文件对象，genfromtxt能直接读） - 如果文件超大，不能一次性
read()，就用生成器逐行处理，再拼成列表传给np.array()：with open('big.txt', 'r', encoding='gbk') as f: lines = [line.strip().split() for line in f if line.strip()] arr = np.array(lines, dtype=float)
GBK 和 UTF-8 混用时怎么自动判断编码
硬写 encoding='gbk' 或 'utf-8' 容易失败，尤其当数据来源不明时。不要手猜，用 chardet 库探测：
- 先装：
pip install chardet - 探测示例：
import chardet with open('data.txt', 'rb') as f: raw = f.read(10000) # 只读前 10KB 足够判断 encoding = chardet.detect(raw)['encoding'] or 'utf-8' with open('data.txt', 'r', encoding=encoding) as f: arr = np.loadtxt(f) - 注意：
chardet对纯 ASCII 或短文本可能返回None，加个or 'utf-8'防崩
Windows 记事本保存的 TXT 默认是 GBK，但带 BOM 的 UTF-8 会被误判为 GBK
Windows 记事本另存为 “UTF-8” 时实际写入的是 UTF-8 with BOM（开头三个字节 \xef\xbb\xbf），而 chardet 常把它识别成 UTF-8-SIG 或直接错判为 GB2312。这时候手动指定更稳：
立即学习“Python免费学习笔记（深入）”；
- 用
encoding='utf-8-sig'读带 BOM 的 UTF-8 文件（自动剥离 BOM） - 用
encoding='gb18030'替代'gbk'—— 它是 GBK 的超集，兼容更多中文字符，且在 Python 中对乱码更宽容 - 如果读出来仍是乱码，检查原始文件是否真为 ANSI（即本地编码）：在 Windows 上通常就是
gbk，但某些旧系统可能是big5或shift_jis
实际处理时，编码问题往往卡在第一行——一旦 open() 报 UnicodeDecodeError，后续全停。宁可多试两轮 encoding，也别跳过探测直接硬写。
