np.loadtxt 将 "1.23e-4" 当作字符串主因是列中存在非数字内容（如空值、"n/a"）导致类型推断回退为 str；而 np.genfromtxt 通过 dtype=float、missing_values 和 filling_values 可鲁棒处理科学计数法与缺失值。
NumPy 的 np.loadtxt 和 np.genfromtxt 在遇到含科学计数法的字符串（如 "1.23e-4"）时，若 dtype 未显式指定或列类型推断失败，会默认转成字符串数组或报 ValueError: could not convert string to float —— 根本原因不是数据本身有问题，而是类型解析阶段跳过了浮点转换逻辑。
为什么 np.loadtxt 会把 "1.23e-4" 当成普通字符串？
默认情况下，np.loadtxt 使用空格/制表符分割后，对每列尝试用 float() 转换；但如果某列中混有非数字内容（哪怕只是空字符串、缺失值标记如 "N/A"），它就会回退为 dtype=str，整列丢失数值语义。科学计数法本身完全合法，问题出在「混合类型」或「缺失值占位符未声明」上。
- 没设
dtype=float且文件存在任意非数字单元（包括空格、""、"NaN"），就会触发字符串 fallback -
np.loadtxt不自动识别"1.23e-4"为 float，除非该列所有值都可被float()安全调用 - 若用
dtype=None（自动推断），NumPy 会按第一行决定类型，后续行若格式稍异（如多一个+号："+1.23e-4"），也可能中断推断
用 np.genfromtxt 替代，并明确处理缺失值
np.genfromtxt 是专为脏数据设计的，对科学计数法更鲁棒，关键在三个参数：指定缺失值标识、强制目标类型、启用浮点解析容错。
- 加
dtype=float强制结果为浮点数组，避免类型 fallback - 用
missing_values声明哪些字符串代表缺失（如missing_values={"": np.nan, "N/A": np.nan}） - 配
filling_values=np.nan把缺失位置填为np.nan，保持数组结构完整 - 若文件头有注释行，别忘加
skip_header=1，否则首行字符串可能污染类型推断
示例：
data = np.genfromtxt("data.txt", delimiter=",", dtype=float,
missing_values="", filling_values=np.nan)
当必须用 np.loadtxt 时，绕过类型推断
如果坚持用 np.loadtxt（比如性能敏感场景），就不要依赖它的自动推断——直接告诉它“这列就是 float”，并预处理掉干扰项。
- 显式传
dtype=float，同时确保文件里没有无法转 float 的内容（如纯字母、带单位的"1.23e-4 m"） - 若存在缺失值，先用
converters参数定制每列转换逻辑，例如：{0: lambda s: float(s) if s.strip() else np.nan} - 避免用
usecols选列后导致列索引错位，converters的键必须是原始列序号 - 注意编码：中文路径或含 UTF-8 BOM 的文件可能让首列读成
b'\xef\xbb\xbf1.23e-4'，引发转换失败，加encoding="utf-8-sig"
真正棘手的情况：科学计数法带非法字符或区域格式
某些导出数据会用逗号作小数点（如欧洲格式 "1,23e-4"），或插入不可见字符（零宽空格、BOM），这时 NumPy 的 float() 会直接失败，连 genfromtxt 也救不了。
- 先用 Python 原生读取+清洗：用
open(...).read().replace(",", ".")或正则清理非标准符号 - 或改用
pandas.read_csv(..., dtype=float)，它内置了更多 locale 感知和错误容忍（如thousands、decimal参数） - 极端情况（如嵌入式设备日志含控制字符），建议先用
xxd或hexdump查看原始字节，确认是否真为"1.23e-4"还是看似像的乱码
这类问题不会报“科学计数法不支持”，而是抛出模糊的 ValueError: could not convert string to float —— 真正要查的，往往是字符串开头或结尾藏着看不见的东西。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
