loadtxt 不支持 encoding 参数，因其底层用 C 实现、只处理字节流；应改用 genfromtxt（支持 encoding）或 pandas.read_csv（更稳健）。
NumPy loadtxt 根本不支持 encoding 参数
直接说结论：loadtxt 在所有稳定版 NumPy（包括 1.26.x）中**没有 encoding 参数**。如果你在文档或示例里看到它被传入，要么是误写，要么是混淆了 genfromtxt 或 read_csv（pandas）。传了会报错：TypeError: loadtxt() got an unexpected keyword argument 'encoding'。
根本原因在于 loadtxt 底层用 C 实现的文件读取逻辑，绕过了 Python 的文本编码层，只接受字节流；它默认按系统 locale 解码，Windows 上常 fallback 到 GBK，遇到 UTF-8 BOM 或无 BOM 的中文 CSV 就崩。
替代方案：改用 genfromtxt 并显式指定 encoding
genfromtxt 是 loadtxt 的增强版，支持 encoding，且能处理缺失值、跳过注释行等。乱码问题基本靠它解决：
import numpy as np
# 正确写法：encoding 必须是字符串，如 'utf-8'、'gbk'
data = np.genfromtxt('data.csv', delimiter=',', encoding='utf-8', skip_header=1)-
encoding值必须与文件实际编码一致；不确定时先用文本编辑器（如 VS Code）查看右下角编码标识 - 如果 CSV 有 BOM（如 UTF-8 with BOM），
encoding='utf-8-sig'更稳妥，它会自动剥离 BOM - 若含中文列名或混合类型，
dtype=str可避免类型推断失败，后续再用astype转数字 - 注意：设了
encoding后，返回数组元素是str类型，数值列需手动转换，例如data[:, 0].astype(float)
更推荐的路径：用 pandas 读再转 NumPy
纯 NumPy 处理带中文的 CSV 是自找麻烦。pandas.read_csv 对编码、空值、列类型推断全面得多，且输出 DataFrame 后可随时用 .values 转回 NumPy 数组：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
import pandas as pd
import numpy as np
df = pd.read_csv('data.csv', encoding='utf-8') # 自动处理 BOM、列名、类型
arr = df.values # 得到标准 ndarray，无需额外 decode- 99% 场景下比
genfromtxt更稳——尤其当 CSV 有引号包裹字段、换行符、不规则分隔符时 -
encoding错了会抛UnicodeDecodeError，错误信息明确，方便调试 - 如果项目已引入 pandas，硬套
loadtxt只会增加维护成本
真要用 loadtxt？只能预处理文件
极少数受限场景（如不能引入 pandas，又必须用 loadtxt），唯一办法是把文件提前转成它“认得”的格式：
- 用 Python 以正确编码读入，再写成无 BOM 的 UTF-8 或系统默认编码（如 Windows 下写 GBK）
- 或者用命令行工具转码：
iconv -f gbk -t utf-8 input.csv > output.csv（Linux/macOS） - 不建议用
open(...).read().encode()直接喂给loadtxt，因为loadtxt不接受 file-like object 字节流，只认路径字符串或BytesIO，但后者要自己处理换行和分隔符，极易出错
编码问题从来不是参数没填对，而是没看清函数能力边界。NumPy 的 loadtxt 设计目标是轻量数值加载，不是通用 CSV 解析器——这点容易被忽略。
