Считывание данных txt неверное

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import pathlib
 
## функция - экспериментальные данные
beta_true = np.array([1, 1.3, 2, 1, 2])
def test(x, beta):
    return beta[0]*np.sin(x*beta[1]) + beta[2]*np.sin(x*beta[3])  ##ФУНКЦИЯ ДЛЯ ОПИСАНИЯ 
#  residuals
def residuals(y_exp, beta): 
    return y_exp - test(x_calc, beta)
 
m = 20 #число эксп точек
x_calc = np.linspace(0, 80, num=m)
print(x_calc)
 
y_true = test(x_calc, beta_true)
print(y_true)
 
y_exp2=list(map(float, pathlib.Path("D:\\data.txt").read_text().split(",")))
y_exp = y_exp2.replace('\n',' ')
#print(y_exp)  # вот искомые строки!
 
## Отрисовка
plot, ax1 = plt.subplots()
ax1.plot(x_calc, y_exp, 'b.', label='"Экспериментальные данные "')
ax1.plot(x_calc, y_true, 'k--', label= 'Расчет с использованием алгоритма Левенберга — Марквардта', alpha=0.3, linewidth=2.5 )
ax1.set_xlim([0, 80]) ##ось по х
ax1.set_ylim([-1000, 1000])  ##ось по y
def trace(y_calc):
    ax1.plot(x_calc, y_calc, 'r-', alpha=0.3)
    
def trace(y_calc):
    ax1.plot(x_calc, y_calc, 'r-', alpha=0.3)
 
 
 
lam = 0.1 #damping 
alpha = 0.3 #step length for direction vector
num_its = 300 #кол-во тераций
 
 
## начальные параметры
n = np.shape(beta_true)[0] 
beta_0 = np.reshape(np.zeros(n), (n, 1)) 
r_0 = np.reshape(residuals(y_exp, beta_0), (len(y_exp), 1)) 
beta_1 =beta_0 + 0.1*np.random.rand(n,1)
r_1 = np.reshape(residuals(y_exp, beta_1), (len(y_exp), 1))
r_old = np.copy(r_0)
r_k = np.copy(r_1)
beta_old = np.copy(beta_0)
beta_k = np.copy(beta_1)
broyden_old = np.zeros((m,n))
ax1.plot(x_calc, test(x_calc, beta_k), 'r-', alpha=0.3, label='Итерации')
#ax1.plot(x_calc, y_true, 'k--', label= 'fit: beta[0]=%5.3f, beta[1]=%5.3f, beta[2]=%5.3f, beta[3]=%5.3f'% tuple(beta_k), alpha=0.3, linewidth=2.5 )
 
 
## начало цикла
j=0
while j<=num_its:
    t_k = r_k - r_old  #calculate difference in residuals
    s_k = beta_k - beta_old #calculate difference in parameters
    y_calc = test(x_calc, beta_k) #calculate iteration trace for plotting
    trace(y_calc) #add trace to plot
 
    broyden_k = broyden_old + np.matmul((t_k - np.matmul(broyden_old, s_k))/np.sum(s_k**2), s_k.T) 
    jTj = np.matmul(broyden_k.T, broyden_k) 
    p = np.linalg.solve(jTj + lam*jTj*np.eye(n), -np.matmul(broyden_k.T, r_k))
    beta_old = np.copy(beta_k)
    r_old = np.copy(r_k)
    broyden_old = np.copy(broyden_k)
    beta_k = beta_k + alpha*p
    r_k = np.reshape(residuals(y_exp, beta_k), (len(y_exp), 1))
    #print(np.sum(r_k**2), beta_k)
    j+=1
    print(f"Запись: {num_its}, {beta_k}")
             
 
ax1.legend()
plt.show()